Momento：通过多会话代理对话评估持久记忆与推理能力

近期代理 AI 的进展使其能通过工具使用、推理和多步规划完成复杂任务。然而，现有基准仅在单会话内评估代理，忽略了实现个性化用户目标所需整合的过往行为、偏好及决策。本文提出 Momento，这是一个面向多会话服务环境的持久性代理任务完成基准，要求代理在执行工具介导的关键行动时，解决跨会话的时间依赖和用户目标演变问题。实验表明，当前代理主要因误判用户状态而失败，即将过时的历史信息视为可靠上下文而非需重新验证的数据，揭示了现有能力与真实长程人机交互间的巨大差距。