AnswersPublished18 sources
לא מספיק לראות: איך בודקים אם סוכן AI זוכר ומשתמש במה שחווה?
ה־EMem Bench של צוות OmniAI באוניברסיטת ג׳ג׳יאנג כולל 2,554 אפיזודות אינטראקטיביות לבדיקת היכולת של סוכנים מגולמים לזכור חוויות קודמות ולהשתמש בהן. ארבע משפחות המשימות בוחנות זכירת פרטים שנצפו, עדכון מידע בעקבות שינוי, זכירת תוצאות של פעולות והעברת ניסיון למשימות חדשות.
פורסם על ידינערך באמצעות GPT-6 Lunaהתמונות נוצרו באמצעות GPT Image 2
Research answer
Key takeaways
- ה־EMem Bench של צוות OmniAI באוניברסיטת ג׳ג׳יאנג כולל 2,554 אפיזודות אינטראקטיביות לבדיקת היכולת של סוכנים מגולמים לזכור חוויות קודמות ולהשתמש בהן.
- ארבע משפחות המשימות בוחנות זכירת פרטים שנצפו, עדכון מידע בעקבות שינוי, זכירת תוצאות של פעולות והעברת ניסיון למשימות חדשות.
- בניתוח ידני של 100 מסלולי כישלון, ארבע קטגוריות של בעיות זיכרון היוו יחד 91% מהמקרים שנבדקו.
- בהשוואה שבה GPT 5.4 mini שימש כמודל הבסיס, מערכת הזיכרון EMem העלתה את שיעור ההצלחה הממוצע מ־35.3% ל־58.9%.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Zhejiang University’s OmniAI Group’s EmbodiedMemory-Bench (EMem-Bench), reported on October 18, 2026, when was its paper posted to a. Article summary: EmbodiedMemory-Bench (EMem-Bench) is Zhejiang University’s OmniAI Group’s benchmark for testing whether embodied agents can build and update memories from past interactions, then use those memories to complete later task. Topic tags: general, academic, general web, government, documentation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, water
סוכן AI שפועל בעולם — למשל בסביבה ביתית מדומה — צריך לעשות יותר מלזהות את מה שנמצא מולו. עליו לזכור היכן ראה חפץ, לעדכן את המידע כשמישהו הזיז אותו, וללמוד מתוצאות הפעולות שלו. אמת המידה EmbodiedMemory-Bench, או בקיצור EMem-Bench, נועדה לבדוק את היכולת הזאת באמצעות משימות שבהן צריך לפעול בסביבה, ולא רק לענות על שאלות על העבר.1
11
צוות OmniAI מאוניברסיטת ג׳ג׳יאנג הציג את אמת המידה, הכוללת 2,554 אפיזודות אינטראקטיביות בארבע משפחות משימות. המאמר הוגש ל־arXiv ב־23 בספטמבר 2026.1
17
מה הסוכן נדרש לזכור?
בכל דוגמה הסוכן מקבל תחילה היסטוריה מולטימודלית של אינטראקציות, המסודרת לפי זמן, ורק אחר כך משימת המשך. עליו לבנות זיכרון או לעדכן אותו, ואז לפעול בסביבה על סמך המידע הרלוונטי.1
11
ארבע משפחות המשימות בודקות אם הסוכן מסוגל:
- לזכור פרטים שנצפו: למשל, היכן נמצא חפץ שהופיע קודם בתמונה.
- לעקוב אחרי שינויים: לעדכן את המיקום או המצב של חפץ ולא להסתמך על מידע שכבר התיישן.
- לזכור מה קרה בעקבות פעולה: לשמר מידע שנחשף מתוצאת אינטראקציה, כמו האם פעולה הצליחה או איזה תנאי התגלה.
- להעביר ניסיון למשימה חדשה: להשתמש בכלל שנלמד או בתיקון שקיבל הסוכן גם כשמופיעים חפץ או סצנה אחרים.
11
16
כך נבדקת לא רק היכולת לשמור מידע, אלא גם השאלה אם הסוכן יודע להשתמש בו בזמן הפעולה הבאה.1
אילו טעויות זיכרון נמצאו?
כדי לאפיין את הקושי, החוקרים בחנו 100 מסלולי כישלון של Gemini-3-Flash ושל Qwen3-VL-32B בשתי ערכות של EmbodiedBench: EB-ALF ו־EB-Hab. בניתוח זוהו ארבעה סוגים של כשלים הקשורים לזיכרון:
- פרטים חזותיים נשכחו — 35%: חפץ הופיע קודם, אך הסוכן לא זכר היכן ראה אותו וחיפש אותו שוב ושוב.
- שינוי בסביבה לא עודכן — 18%: החפץ הוזז או עבר שינוי, אבל הסוכן המשיך לפעול לפי המצב הקודם.
- משוב מהפעולה לא נשמר — 31%: תוצאת הפעולה גילתה מידע חדש, אך הסוכן לא זכר אותו להמשך.
- ניסיון קודם לא הועבר — 7%: הסוכן קיבל קודם הדגמה או תיקון, אך חזר על אותה טעות מול חפץ אחר.
הקטגוריות האלה היוו יחד 91% ממסלולי הכישלון שנבדקו. חשוב לסייג: מדובר במדגם שנבחר מתוך מקרי כישלון, ולא במדגם אקראי שממנו אפשר להסיק מהו שיעור הכישלון הכללי של כל אחד מהמודלים.
מערכת הזיכרון EMem
לצד אמת המידה הציג הצוות את Embodied-Memorizer, מערכת זיכרון חיצונית בשם EMem. היא מארגנת חוויות לשלושה סוגי זיכרון: זיכרון של סצנות, זיכרון מרחבי וזיכרון של אירועים. הצוות אימן גם את EMem-8B, מודל שנועד לנהל את הזיכרונות ולהשתמש בהם.1
6
15
בהשוואה שבה GPT-5.4-mini שימש כמודל הבסיס לכל המערכות, שיעור ההצלחה הממוצע עלה מ־35.3% ללא EMem ל־58.9% עם EMem — שיפור של 23.6 נקודות אחוז. באותה השוואה הגיע TeleMem ל־37.8%.6 התוצאות מתייחסות למבחן ולהגדרות שנבדקו; הן אינן מבטיחות שיפור בכל משימה או עם כל מודל.
תשומת לב תקשורתית — ומה עדיין לא נבדק
המאמר הוגש ל־arXiv ב־23 בספטמבר 2026. ב־18 באוקטובר פורסמו כתבות בסין על אמת המידה, וגם דף הצוות מציג סיקור תקשורתי של הפרויקט.17
6
13 לפי אחד הדיווחים, כשלושה שבועות לאחר ההשקה התקרב מספר ההורדות של EMem-Bench ב־Hugging Face ל־30 אלף. זהו נתון שדווח באותה עת, ולא ספירה עדכנית שאומתה כעת.
6
EMem-Bench בודק זיכרון ופעולה בסביבות סימולציה.1
4 לכן, תוצאות טובות בו מעידות על ביצועים במשימות שנבדקו, אך אינן מוכיחות שרובוט פיזי יפעל באותה אמינות בתנאים של רעש בחיישנים או שגיאות בביצוע. לשם כך נדרשת גם בדיקה של רובוטים בעולם האמיתי.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "לא מספיק לראות: איך בודקים אם סוכן AI זוכר ומשתמש במה שחווה?"?
ה־EMem Bench של צוות OmniAI באוניברסיטת ג׳ג׳יאנג כולל 2,554 אפיזודות אינטראקטיביות לבדיקת היכולת של סוכנים מגולמים לזכור חוויות קודמות ולהשתמש בהן.
What are the key points to validate first?
ה־EMem Bench של צוות OmniAI באוניברסיטת ג׳ג׳יאנג כולל 2,554 אפיזודות אינטראקטיביות לבדיקת היכולת של סוכנים מגולמים לזכור חוויות קודמות ולהשתמש בהן. ארבע משפחות המשימות בוחנות זכירת פרטים שנצפו, עדכון מידע בעקבות שינוי, זכירת תוצאות של פעולות והעברת ניסיון למשימות חדשות.
What should I do next in practice?
בניתוח ידני של 100 מסלולי כישלון, ארבע קטגוריות של בעיות זיכרון היוו יחד 91% מהמקרים שנבדקו.
Sources
arxiv.orgBenchmarking Embodied Memory for Long-Horizon ...
163.com具身智能体长程记忆：看见不等于记住，浙大提出具身记忆基准