MemoryAgentBench
多轮对话里测 Agent 记不记得住、找不找得回
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-10-23 · 当前星标 ★ 478
核心亮点
- 提供面向增量多轮交互的记忆评测流程，填补单轮评测的空白
- 配套论文与可复现代码，指标和实验设置透明
- 模块化设计，便于替换不同记忆机制做横向对比
不足之处
- 早期项目，生态与周边工具尚不丰富
- 评测数据与任务覆盖范围有待后续版本扩展
适用场景
- 研究团队对比不同 Agent 记忆架构的效果
- 开发者上线前验证多轮对话中的信息保持能力
- 论文复现与记忆机制消融实验
替代项目
LongBench、MemGPT
上一篇：AgentCompass
下一篇：PatchEval
同类项目推荐
MIND
开源
测测你的视频生成模型，记忆和动作控制靠不靠谱
The first open-domain closed-loop revisited benchmark for evaluating memory consiste···
ICSFSurvey
开源
一图看懂大模型自我修正与推理增强全领域
Explore concepts like Self-Correct, Self-Refine, Self-Improve, Self-Contradict, Self···
eval
开源
用真实编码任务测出大模型真实力，结果公开可对比
Public results and task definitions for FrontierHarness Eval
Awesome-LLM-Uncertainty-Reliabil···
开源
一页看懂LLM可靠性研究全景，找论文、查基准、避幻觉坑
Awesome-LLM-Robustness: a curated list of Uncertainty, Reliability and Robustness in···
tau2-bench
开源
测测你的AI智能体，会不会在真实客服场景中翻车
τ-Bench: A Benchmark for Tool-Agent-User Interaction in Real-World Domains
SkillEvaluator
开源
给 Agent 技能做体检：查冲突、测安全、验效果
Multi-tier framework for evaluating AI agent skills with quality gates, semantic ove···
ai-scanner
开源
一条命令给 AI 模型做安全体检，提前发现越狱和泄露风险
AI model safety scanner built on NVIDIA garak
helm
开源
一站式跑分对比大模型，多维度评测可复现
Holistic Evaluation of Language Models (HELM) is an open source Python framework cre···
AgentGuard
开源
给 AI Agent 装上零信任安全闸门，防越权、防泄露
AgentGuard: Zero-Trust Security Foundation for AI Agents