Le filThèmes : ÉvaluationsAgentsRecherche
EmbodiedMemory-Bench évalue la mémoire des agents incarnés sur des tâches de longue durée
1 sourcemis à jour 29 sept.pertinence 3,5 sur5
L’essentiel
Ce benchmark compte 2 554 épisodes interactifs répartis en quatre familles de tâches. Les auteurs présentent aussi le système de mémoire externe EMem et EMem-8B, une politique de 8 milliards de paramètres qui gère ces mémoires.
Propagation1 article, publié par HF Daily Papers le 29 sept..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceLizhou Liang, Xinyu Zhong, Miao Pan et al.huggingface.co
EmbodiedMemory-Bench: Benchmarking Embodied Memory for Long-Horizon Embodied Tasks (site externe)
Long-horizon embodied interaction requires agents to retain and continually update information about the environment as they observe, act, and encounter change. Yet current agents struggle to maintain such memory reliably.
Sur les mêmes thèmes
Agents
SkillSeek montre que BM25 rivalise avec la recherche agentique de skills pour les agents
Agents
VeriHarness transforme le LLM d’un générateur en agent vérificateur pour les tâches longues
Agents
MILO fait évoluer des harnais d’agents et leur stratégie de recherche, et dépasse huit harnais de référence
Évaluations
Des chercheurs suggèrent que les modèles de langage tendent à présenter par défaut des récits de succès
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5