沙丘社区
论文

CloneMem：面向AI分身的长期记忆基准评测

CloneMem: Benchmarking Long-Term Memory for AI Clones

Sen Hu, Zhiyu Zhang, Yuxiang Wei, Xueran Han, Zhenheng Tang, Huacan Wang, Ronghao Chen
模型评测上下文与知识记忆基准与评测资源Agent记忆

摘要

AI分身旨在模拟个人的思想与行为，以支持长期、个性化的交互，这对记忆系统提出了严苛要求：需要随时间建模经历、情感与观点。现有记忆基准主要依赖用户与代理的对话历史，其在时间上碎片化，不足以刻画连续的生活轨迹。我们提出CloneMem，一个在非对话数字痕迹（包括日记、社交媒体帖子和电子邮件，跨度一至三年）基础上评测AI分身场景中长期记忆的基准。CloneMem采用分层数据构建框架以确保纵向一致性，并定义了评估代理追踪演化中个人状态能力的任务。实验表明，现有记忆机制在此设定下表现不佳，凸显了以真实生活为基础的个性化AI的开放挑战。代码与数据集发布于 https://github.com/AvatarMemory/CloneMemBench

CloneMem：面向AI分身的长期记忆基准评测
图2：Avatar Memory Benchmark 数据构建与评估流程总览。该流程从 persona、宏观层面的生命弧线与重大事件出发，经由中观层面带状态快照的阶段滚动生成，再到微观层面的详细事件模拟、证据抽取，并最终生成非对话式数字痕迹。抽取的证据随后被组织到按生命弧线划分的桶（arc-specific buckets）中，以支持基于证据的问答生成。Appendix A 中提供了该流程的详细版本。