论文
也叫：LoCoMo基准
评估长期记忆能力的基准测试
最近变化
2026-06-29 · 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
LoCoMo 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 3 篇与「LoCoMo」相关的 AI 资讯和分析。
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 新版记忆算法在 LoCoMo 和 LongMemEval 测试中分别达 92.5% 和 94.4%。
入选理由：新算法在 LoCoMo 中得分 92.5%，LongMemEval 得分 94.4%
Temporal Reasoning 层通过时间签名管理记忆，显著提高了长期运行代理的记忆准确性。
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「LoCoMo」经常一起出现的 AI 术语。
💡 想追踪「LoCoMo」的长期趋势？去 实体雷达 · LoCoMo 查看详细分析和跨材料问答。
