热点事件持续更新
MINTEval 评测基准被 NeurIPS 2026 接收
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
MINTEval 是一个用于考察 LLM agent 与记忆系统在持续变化环境中长程表现的评测基准，已被 NeurIPS 2026 接收。据 2026 年 10 月 2 日的报道，该基准每个实例平均包含 86 次上下文更新、13.88 万 token，最高达 180 万 token；其经人工验证的 QA 准确率为 95.6%。评测结果显示，模型难以追踪环境变化、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，检索也常无法恢复正确信息。目前该基准已获 NeurIPS 2026 接收，上述模型表现结论均来自该基准的评测结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月2日 00:24
MINTEval 被 NeurIPS 2026 接收，评测显示模型难以追踪持续变化的环境。报道时间线
沿着报道，了解事件的不同侧面。
10月2日
- AGI HuntMINTEval 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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。