摘要
记忆嵌入对增强记忆系统至关重要，但现有基准仅关注传统段落检索，缺乏对长程、碎片化及时间依赖信息的评估。为此，本文提出长程记忆嵌入基准（LMEB），涵盖 22 个数据集和 193 个零样本任务，涉及情景、对话、语义及程序四种记忆类型。实验评估了 15 种主流嵌入模型，结果表明大模型并非总是表现更优，且传统检索性能无法泛化至长程记忆任务。LMEB 填补了该领域评估空白，推动了长时上下文记忆检索技术的发展。
AI 推荐理由
论文提出长程记忆嵌入基准，核心评估记忆检索能力，直接针对记忆机制。
研究机构
哈尔滨工业大学（深圳）
深圳环形区域研究所（SLAI）
北京大学
论文信息