评测方法

Agent Memory 评测不能只看答对率

MemGym 把长期记忆评测从多轮聊天扩展到检索、代码、Web 导航和工具对话；2606.06448 则提醒我们，记忆系统还要按 construction、retrieval、generation 的生命周期成本评估。本文给出一套 memory-isolated scoring 与 lifecycle profiling 结合的工程评测协议。