उत्तरप्रकाशित18 स्रोत
जेडजियांग यूनिवर्सिटी का EMem-Bench परखता है AI एजेंटों की दीर्घकालिक याददाश्त
जेडजियांग यूनिवर्सिटी की OmniAI टीम का EMem Bench 2,554 इंटरैक्शन के ज़रिए परखता है कि embodied AI एजेंट पिछली घटनाएँ याद रखकर उनका इस्तेमाल कर सकते हैं या नहीं। शोधपत्र 23 सितंबर 2026 को arXiv पर जमा हुआ। 18 अक्टूबर... बेंचमार्क चार क्षमताएँ जाँचता है: पहले देखी गई बात याद रखना, वस्तुओं की बदलती स्थिति पर नज़र रखना...
प्रकाशितकर्ताGPT-6 Luna से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- जेडजियांग यूनिवर्सिटी की OmniAI टीम का EMem Bench 2,554 इंटरैक्शन के ज़रिए परखता है कि embodied AI एजेंट पिछली घटनाएँ याद रखकर उनका इस्तेमाल कर सकते हैं या नहीं। शोधपत्र 23 सितंबर 2026 को arXiv पर जमा हुआ। 18 अक्टूबर...
- बेंचमार्क चार क्षमताएँ जाँचता है: पहले देखी गई बात याद रखना, वस्तुओं की बदलती स्थिति पर नज़र रखना, इंटरैक्शन से मिले संकेत याद रखना और पुराने अनुभव को नए काम में लागू करना।
- 100 चुनिंदा विफल ट्रैजेक्टरी की समीक्षा में चार तरह की स्मृति संबंधी समस्याएँ कुल मामलों के 91% में मिलीं। यह नमूने का अनुपात है, मॉडल की कुल विफलता दर नहीं। GPT 5.4 mini के साथ EMem से सिम्युलेटेड कार्यों की औसत सफलत...
AI संकेत
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
भौतिक दुनिया में काम करने वाले AI एजेंट के लिए सिर्फ सामने का दृश्य समझना काफी नहीं है। उसे यह भी याद रखना होता है कि पहले क्या देखा, किसी कार्रवाई के बाद क्या बदला और उस जानकारी के आधार पर आगे क्या करना है। जेडजियांग यूनिवर्सिटी की OmniAI टीम का EmbodiedMemory-Bench (EMem-Bench) इसी दीर्घकालिक स्मृति को वास्तविक कार्रवाई वाले सिम्युलेटेड कार्यों के ज़रिए परखता है। टीम के मुताबिक, इसमें 2,554 इंटरैक्शन एपिसोड हैं और ये चार तरह की स्मृति-क्षमताओं को जाँचते हैं। शोधपत्र 23 सितंबर 2026 को arXiv पर जमा हुआ।1
17
बेंचमार्क में एजेंट को क्या करना होता है?
ऐसे कई स्मृति परीक्षणों में मॉडल से बस पूछा जाता है कि पहले क्या हुआ था। EMem-Bench इससे आगे जाता है: पहले एजेंट को समयक्रम में व्यवस्थित, कई माध्यमों वाली इंटरैक्शन हिस्ट्री दी जाती है। इसके बाद उसे एक नया काम पूरा करना होता है। उसे पुरानी जानकारी के आधार पर स्मृति बनानी या अपडेट करनी होती है और फिर वातावरण में कार्रवाई करके काम पूरा करना होता है।1
11
चार तरह के परीक्षण यह देखते हैं कि एजेंट:
- पहले देखी बात याद रखता है या नहीं: उदाहरण के लिए, पहले देखी गई किसी वस्तु की जगह याद रखना।
- बदलावों पर नज़र रखता है या नहीं: वस्तु की जगह या स्थिति बदलने पर अपनी जानकारी अपडेट करना, ताकि पुरानी जानकारी के आधार पर गलत कदम न उठे।
- इंटरैक्शन से मिली जानकारी याद रखता है या नहीं: किसी कार्रवाई के नतीजे से पता चली बात—जैसे कोशिश सफल हुई या नहीं—बाद के काम में याद रखना।
- पुराने अनुभव को नए काम में लागू करता है या नहीं: पहले सीखे नियम या सुधार को किसी दूसरी वस्तु या दृश्य में इस्तेमाल करना।
11
16
इस तरीके में स्मृति का आकलन केवल इस बात से नहीं होता कि एजेंट अतीत के बारे में सही जवाब दे सकता है या नहीं। अहम यह है कि वह आगे के काम में उस जानकारी का सही इस्तेमाल कर पाता है या नहीं।1
घरेलू कामों में सामने आईं स्मृति की चूकें
बेंचमार्क पेश करते समय टीम ने EmbodiedBench के EB-ALF और EB-Hab सुइट में Gemini-3-Flash और Qwen3-VL-32B की 100 विफल ट्रैजेक्टरी का विश्लेषण किया। रिपोर्ट में स्मृति से जुड़ी चूकों को चार श्रेणियों में बाँटा गया:
- दृश्य में दिखी बारीकी भूल जाना: 35%। वस्तु पहले दृश्य में थी, लेकिन एजेंट उसकी जगह याद नहीं रख पाया और बाद में उसे बार-बार खोजता रहा।
- वातावरण में बदलाव चूक जाना: 18%। वस्तु कहीं और रख दी गई थी या उसकी स्थिति बदल गई थी, फिर भी एजेंट पुरानी जानकारी के आधार पर चलता रहा।
- इंटरैक्शन से मिले संकेत याद न रखना: 31%। कार्रवाई के नतीजे से किसी स्थिति या पाबंदी का पता चला, लेकिन एजेंट ने उसे आगे के लिए सुरक्षित नहीं रखा।
- अनुभव को नए काम तक न पहुँचाना: 7%। पहले दिखाए गए उदाहरण या सुधार के बावजूद, दूसरी वस्तु पर वही गलती दोहराई गई।
ये चार श्रेणियाँ समीक्षा में शामिल विफल मामलों का कुल 91% थीं। यह चुने गए विफल उदाहरणों का विश्लेषण है—इसे दोनों मॉडलों की कुल विफलता दर या यादृच्छिक नमूने का नतीजा नहीं समझना चाहिए।
EMem स्मृति को कैसे व्यवस्थित करता है?
टीम ने बाहरी स्मृति प्रणाली Embodied-Memorizer (EMem) भी पेश की। यह अनुभव को दृश्य, स्थान और घटनाओं से जुड़ी स्मृतियों में व्यवस्थित करती है। इसके साथ टीम ने EMem-8B को प्रशिक्षित किया, ताकि वह इन स्मृतियों का प्रबंधन और इस्तेमाल कर सके।1
6
15 मकसद सिर्फ पुरानी जानकारी जमा करना नहीं, बल्कि मौजूदा काम के लिए उपयोगी जानकारी ढूँढ़कर उसे कार्रवाई में बदलना है।
6
GPT-5.4-mini को समान आधार मॉडल रखकर की गई तुलना में, रिपोर्ट के अनुसार बिना EMem औसत सफलता दर 35.3% थी और EMem के साथ 58.9%—यानी 23.6 प्रतिशत अंकों की बढ़त। इसी तुलना में TeleMem की सफलता दर 37.8% रही।6 ये आँकड़े खास बेंचमार्क और परीक्षण व्यवस्था के नतीजे हैं; इन्हें हर तरह के embodied AI काम या मॉडल के लिए गारंटी नहीं माना जा सकता।
रिपोर्ट, arXiv और डाउनलोड
arXiv के रिकॉर्ड के मुताबिक, शोधपत्र 23 सितंबर 2026 को जमा हुआ।17 18 अक्टूबर को चीनी मीडिया में इस बेंचमार्क पर रिपोर्ट प्रकाशित हुई; टीम के पेज पर भी संबंधित कवरेज दर्ज है।
6
13 उस रिपोर्ट के अनुसार, जारी होने के करीब तीन हफ्ते बाद Hugging Face पर डाउनलोड लगभग 30,000 तक पहुँच गए थे। यह उस समय की रिपोर्ट किया गया आँकड़ा है, मौजूदा कुल डाउनलोड की पुष्टि नहीं।
6
सिम्युलेशन के नतीजे असली रोबोट की गारंटी नहीं
EMem-Bench सिम्युलेटेड वातावरण में इंटरैक्शन के ज़रिए स्मृति और आगे की कार्रवाई पर उसके असर को मापता है।1
4 इसलिए इसके नतीजे बताते हैं कि सिस्टम इन खास परीक्षणों में कैसा चला। सिर्फ सिम्युलेशन का स्कोर यह साबित नहीं करता कि सेंसर में शोर या कार्रवाई करते समय त्रुटि होने पर असली रोबोट भी उतना ही भरोसेमंद रहेगा। इसका जवाब देने के लिए वास्तविक रोबोट पर अलग से परीक्षण ज़रूरी होगा।
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"जेडजियांग यूनिवर्सिटी का EMem-Bench परखता है AI एजेंटों की दीर्घकालिक याददाश्त" का संक्षिप्त उत्तर क्या है?
जेडजियांग यूनिवर्सिटी की OmniAI टीम का EMem Bench 2,554 इंटरैक्शन के ज़रिए परखता है कि embodied AI एजेंट पिछली घटनाएँ याद रखकर उनका इस्तेमाल कर सकते हैं या नहीं। शोधपत्र 23 सितंबर 2026 को arXiv पर जमा हुआ। 18 अक्टूबर...
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
जेडजियांग यूनिवर्सिटी की OmniAI टीम का EMem Bench 2,554 इंटरैक्शन के ज़रिए परखता है कि embodied AI एजेंट पिछली घटनाएँ याद रखकर उनका इस्तेमाल कर सकते हैं या नहीं। शोधपत्र 23 सितंबर 2026 को arXiv पर जमा हुआ। 18 अक्टूबर... बेंचमार्क चार क्षमताएँ जाँचता है: पहले देखी गई बात याद रखना, वस्तुओं की बदलती स्थिति पर नज़र रखना, इंटरैक्शन से मिले संकेत याद रखना और पुराने अनुभव को नए काम में लागू करना।
मुझे अभ्यास में आगे क्या करना चाहिए?
100 चुनिंदा विफल ट्रैजेक्टरी की समीक्षा में चार तरह की स्मृति संबंधी समस्याएँ कुल मामलों के 91% में मिलीं। यह नमूने का अनुपात है, मॉडल की कुल विफलता दर नहीं। GPT 5.4 mini के साथ EMem से सिम्युलेटेड कार्यों की औसत सफलत...
सूत्र
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