MINTEval 入选 NeurIPS：LLM agent 难跟上持续变化的环境

MINTEval 评测基准被 NeurIPS 2026 接收，用于考察 LLM agent 与记忆系统在持续变化环境中的长程表现。基准每实例平均含 86 次上下文更新、13.88 万 token（最高 180 万），人工验证 QA 准确率 95.6%。结果显示模型难以追踪变化、召回精确细节并整合相互冲突的更新，记忆系统倾向插入冗余条目，检索常无法恢复正确信息。