站内快照 · 国内可打开。外网原文可能无法访问。
- 论文公开站arXiv
DolphinBench：绘制智能体记忆的帕累托前沿
DolphinBench: Mapping the Pareto Frontier of Agent Memory
摘要显示，现有记忆基准多采用对话问答形式，问题本身已暗示需检索的事实，且仅以准确率评分，允许系统以不合理成本与时间换取高分。DolphinBench 改为通过智能体任务完成度直接评估记忆，包含三种知识工作角色，每角色约 50 万 token 用户消息，每个角色 200 项任务均经有/无相关历史对照验证，并要求同时报告总成本与延迟。
意义：为智能体记忆系统提供兼顾准确率、成本与延迟的评测基准，有助于避免以不合理开销刷分的记忆方案。