概念
也叫：LongMemEval基准
长文本检索性能评估基准
最近变化
2026-07-16 · Nemotron-3-Embed在longmemeval测试中实现80.38的检索准确率，超越qwen-3-600m模型
longmemeval 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
已收录 4 篇与「longmemeval」相关的 AI 资讯和分析。
mem0团队采用Nemotron-3-Embed模型后，长文本检索准确率提升1.67个百分点，其开放权重和NVFP4加速特性成为关键选择因素。
入选理由：Nemotron-3-Embed在longmemeval测试中实现80.38的检索准确率，超越qwen-3-600m模型
Memora通过解耦存储与检索机制，使AI代理在长期任务中效率提升98%，并平衡抽象与具体性。
入选理由：Memora在LoCoMo和LongMemEval基准测试中超越Mem0、RAG等方法，减少98%上下文标记使用
mem0's new memory algorithm achieves 92.5% on LoCoMo and 94.4% on LongMemEval.
入选理由：新算法在 LoCoMo 中得分 92.5%，LongMemEval 得分 94.4%
Temporal Reasoning layer manages memories with time signatures, significantly improving the accuracy of long-running agents' memories.
入选理由：Temporal Reasoning 在 LoCoMo 基准测试中将整体准确率从 86.1% 提高到 90.2%，特别是在多跳问题上。
与「longmemeval」经常一起出现的 AI 术语。
💡 想追踪「longmemeval」的长期趋势？去 实体雷达 · longmemeval 查看详细分析和跨材料问答。
