ATM-Bench

测测AI能否记住你4年前的琐事

ATM-Bench 是一个用于评估 AI 智能体长期个性化记忆能力的基准测试平台。它解决了当前 AI 在跨长时间跨度、多模态数据（如图像、视频、邮件）中，难以准确回忆和引用用户个人历史信息的问题。该基准测试包含约 4 年的多模态数据，设计了指涉性查询（referential queries）、基于证据的回答（evidence-grounded answering）和多源推理（multi-source reasoning）等任务，以全面测试智能体在复杂、真实场景下的记忆检索与推理能力。其核心能力在于提供标准化的评估框架，帮助开发者量化并改进 AI 系统的长期记忆功能，推动个性化 AI 的发展。

开源 free 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 66

维护状态维护中

是否开源是

定价模式 free

项目数据

分类智能体

开发团队JingbiaoMei

所属国家

官网地址

GitHubhttps://github.com/JingbiaoMei/ATM-Bench

定价模式free

价格说明开源基准测试项目，MIT许可证，完全免费，无付费版本。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型agentic-memory,ai-agent,ai-agents,benchmark,long-term-memory,memory,memory-agent,memory-management,personal-ai,personal-ai-assistant,personal-assistant,personalized-ai,question-answering,rag,retrieval-augmented-generation

GitHub 星标★ 66

30天Star增速

HF 下载量

上线时间2026-03-02 00:00:00

最近更新2026-09-18 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

核心亮点

覆盖约4年跨度的多模态数据（图像、视频、邮件），贴近真实长期记忆场景
设计了指涉性查询和多源推理任务，能深入评估智能体的复杂记忆能力
提供基于证据的答案验证，确保评估结果的可信度

不足之处

项目处于早期阶段（59星），文档和社区支持可能不完善
基准测试数据集的规模和多样性有待进一步验证

适用场景

评估和比较不同AI智能体的长期记忆能力
指导开发者优化个性化AI助手的记忆管理功能
研究多模态数据下的信息检索与推理算法

替代项目

LoCoMo、MemGPT、LongMemEval

项目介绍

ATM-Bench 是评测安全领域的开源项目，由 JingbiaoMei 开发，是 2026 年新上线的项目。

它收录于评测安全分类，该分类目前共有 466 个项目，GitHub 星标数为 66。

项目仍在小幅维护中，最近一次代码更新于 2026-09-18。开源基准测试项目，MIT许可证，完全免费，无付费版本。

它主要面向的使用场景是：评估和比较不同AI智能体的长期记忆能力。同类可对比的替代方案包括 LoCoMo、MemGPT、LongMemEval。

上一篇：agentjail

下一篇：clawseccheck