腾讯元宝与伦敦国王学院推出GroupAssistBench,基于50个真实群聊、8万余条消息构建2395道题,评测AI助手能否在群聊中正确使用记忆。研究发现,记忆召回强不等于服务好:部分系统L1得分高,但L2服务得分反低于完整上下文。团队提出RER和ACB两种轻量干预,提升记忆驱动服务表现,推动评测从“记得住”走向“用得好”。
完成下面两步后,将自动完成登录并继续当前操作。