Zhejiang University выпустила EMem-Bench для проверки памяти воплощённых ИИ-агентов

Команда OmniAI Group из Чжэцзянского университета представила бенчмарк EmbodiedMemory-Bench (EMem-Bench) на 2554 эпизода в 1118 сценах: он проверяет, умеют ли воплощённые агенты запоминать историю взаимодействий и использовать её. Лучший результат в полном контексте показала Gemini-3-Flash с 64,2% успеха, а внешняя система памяти EMem подняла успех GPT-5.4-mini с 35,3% до 58,9%.

• EMem-Bench: 2554 эпизода и 1118 сцен, четыре семейства задач на память
• Gemini-3-Flash лидирует с 64,2% успеха, GPT-5.4 — 56,8%
• Система EMem подняла успех GPT-5.4-mini с 35,3% до 58,9%
• Больше истории не помогло: успех упал с 36,6% до 26,2%