ATANT v1.1：连续性评估相对记忆、长上下文与智能体记忆基准的定位

ATANT v1.0（arXiv:2604.06710）将连续性定义为一种系统属性，包含7项必备性质，并引入了10检查点、无需LLM的评估方法，已在250篇故事的语料上完成验证。自发表以来，审稿人与从业者反复提出的问题并非关于该框架本身，而是它与更广泛的一组记忆评估的关系：LOCOMO、LongMemEval、BEAM、MemoryBench、Zep的评估套件、Letta/MemGPT的评估以及RULER。这篇伴随论文v1.1不修改v1.0标准。它补上了v1.0因页面限制而仅简略带过的相关工作空缺。我们通过结构分析表明，这些基准无一测量v1.0所定义的连续性：在7项必备性质中，现有评估覆盖性质数的中位数为1，按部分得分0.5计算时均值为0.43，且没有任何评估覆盖超过2项。我们提供逐格的性质覆盖矩阵，指出各基准特有的方法学缺陷（包括LOCOMO参考实现中的空标准答案计分缺陷，使其语料库中23%在构造上不可评分），并公布我们参考实现的LOCOMO分数（8.8%）以及该数字对连续性不具信息量的结构性原因。我们将8.8%的LOCOMO分数与96%的ATANT累计尺度分数一同公布，作为一对校准样本：87分的差异证明两个基准测量的是不同性质，而非某个系统比另一个好一个数量级。v1.1所持立场并非对抗性：每个基准都测量一种真实能力。我们的论点是，它们之中没有一个能够裁决连续性，而将它们与连续性评估混为一谈，已使该领域对v1.0所列性质的投入不足。