热点事件持续更新
交大LUMIA/上海AI Lab HABIT-Bench评测记忆方法宏准确率问题
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
HABIT-Bench评测显示，Qwen3-235B-A22B 和 GLM-5.3-Flash在记忆方法上的宏准确率仅为33.61%。即便提供标注好的证据，模型的习惯推断依然受限，瓶颈在于推断与适用，而非检索。早先报道称，模型在记忆方法上表现良好，但最新报道指出准确率远低于预期，且问题出在推断与适用上，而非检索环节。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 06:11
最新评测显示，模型在记忆方法上的宏准确率仅为33.61%，且推断与适用存在瓶颈。报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- Agent Control Flash NewsHABIT-Bench 评测：Qwen3-235B-A22B 和 GLM-5.3-Flash 在记忆方法上的宏准确率仅 33.61%
即便把标注好的证据直接给模型，习惯推断依然受限，瓶颈在推断与适用而不在检索。
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。