AnswersPublished18 sources
EMem-Bench menguji sama ada ejen AI boleh belajar daripada pengalaman lalu
Pasukan OmniAI Universiti Zhejiang membangunkan EMem Bench dengan 2,554 episod interaktif untuk menguji sama ada ejen AI berjasad boleh mengingati dan menggunakan pengalaman lalu. Penanda aras ini menguji empat kebolehan: mengingati pemerhatian terdahulu, menjejak perubahan keadaan, menyimpan maklumat daripada hasil...
Diterbitkan olehDisunting dengan GPT-6 LunaImej dijana dengan GPT Image 2
Research answer
Key takeaways
- Pasukan OmniAI Universiti Zhejiang membangunkan EMem Bench dengan 2,554 episod interaktif untuk menguji sama ada ejen AI berjasad boleh mengingati dan menggunakan pengalaman lalu.
- Penanda aras ini menguji empat kebolehan: mengingati pemerhatian terdahulu, menjejak perubahan keadaan, menyimpan maklumat daripada hasil interaksi dan menggunakan pengalaman dalam tugasan baharu.
- Dalam semakan 100 trajektori kegagalan terpilih, empat jenis masalah berkaitan ingatan merangkumi 91% kes.
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
Ejen AI yang berinteraksi dengan persekitaran perlu melakukan lebih daripada memahami apa yang ada di depan mata. Ia juga perlu mengingati apa yang pernah dilihat, menjejak perubahan selepas sesuatu tindakan dan menggunakan maklumat itu untuk tugasan seterusnya.
Pasukan OmniAI Universiti Zhejiang memperkenalkan EmbodiedMemory-Bench (EMem-Bench) untuk menguji kebolehan ingatan jangka panjang ini melalui tugasan yang boleh dilaksanakan dalam persekitaran simulasi. Kertas kajian tersebut dihantar ke arXiv pada 23 September 2026. Pasukan itu melaporkan bahawa penanda aras ini merangkumi 2,554 episod interaktif dalam empat kategori tugasan.1
17
Apa yang diuji oleh EMem-Bench?
Berbeza daripada ujian yang sekadar meminta model menceritakan semula perkara yang berlaku, EMem-Bench memberikan ejen AI sejarah interaksi multimodal yang disusun mengikut masa. Selepas itu, ejen perlu menggunakan pengalaman tersebut untuk menyelesaikan tugasan baharu dengan bertindak dalam persekitaran.1
11
Empat jenis tugasan menguji sama ada ejen boleh:
- Mengingati pemerhatian terdahulu: mengekalkan butiran visual, seperti lokasi objek yang pernah dilihat.
- Menjejak perubahan: mengemas kini ingatan tentang lokasi atau keadaan objek supaya tidak bertindak berdasarkan maklumat lapuk.
- Mengingati hasil interaksi: menyimpan maklumat yang diketahui daripada maklum balas tindakan, termasuk sama ada sesuatu tindakan berjaya.
- Menggunakan pengalaman semula: menerapkan corak, tunjuk ajar atau pembetulan terdahulu pada objek atau situasi baharu.
11
16
Reka bentuk ini menghubungkan ingatan dengan tindakan. Ukurannya bukan sekadar sama ada ejen boleh menyatakan apa yang pernah berlaku, tetapi sama ada ia menggunakan maklumat itu dengan betul dalam tugasan seterusnya.1
Empat jenis kesilapan ingatan dalam tugasan rumah simulasi
Dalam analisis yang dilaporkan, pasukan meneliti 100 trajektori kegagalan Gemini-3-Flash dan Qwen3-VL-32B pada set EB-ALF dan EB-Hab dalam EmbodiedBench. Masalah berkaitan ingatan dibahagikan kepada empat kategori:
- Terlepas butiran visual — 35%: objek pernah kelihatan, tetapi ejen tidak mengingati lokasinya lalu mencarinya berulang kali.
- Tidak mengesan perubahan persekitaran — 18%: objek sudah dipindahkan atau diproses, namun ejen masih bertindak berdasarkan keadaan lama.
- Tidak menyimpan maklum balas interaksi — 31%: ejen tidak mengingati maklumat baharu yang diketahui melalui hasil tindakan, seperti sama ada objek berjaya dipegang.
- Tidak menggunakan pengalaman dalam situasi baharu — 7%: ejen mengulangi kesilapan walaupun sebelum itu pernah menerima tunjuk ajar atau pembetulan yang berguna.
Keempat-empat kategori ini merangkumi 91% daripada trajektori kegagalan yang dianalisis. Angka itu merujuk kepada sampel kegagalan terpilih tersebut—bukan kadar kegagalan keseluruhan bagi mana-mana model, dan bukan hasil sampel rawak.
EMem cuba membantu ejen menyimpan dan menggunakan ingatan
Pasukan itu turut memperkenalkan Embodied-Memorizer (EMem), sistem ingatan luaran yang menyusun pengalaman kepada ingatan tentang adegan, ruang dan peristiwa. Mereka juga melatih EMem-8B untuk mengurus dan menggunakan ingatan tersebut.1
6
15
Tujuannya bukan hanya menyimpan maklumat lama. Sistem perlu mencari semula maklumat yang berkaitan dengan tugasan semasa, kemudian menggunakannya untuk menentukan tindakan.6
Dalam perbandingan yang menggunakan GPT-5.4-mini sebagai model asas yang sama, kadar kejayaan purata meningkat daripada 35.3% tanpa EMem kepada 58.9% dengan EMem—kenaikan 23.6 mata peratusan. Dalam perbandingan yang sama, TeleMem mencatat kadar kejayaan 37.8%.6 Angka ini menggambarkan keputusan dalam tetapan dan tugasan penanda aras tersebut; ia bukan jaminan bahawa peningkatan yang sama akan berlaku dalam semua tugasan ejen AI berjasad.
Perhatian media dan angka muat turun
Kertas kajian itu dihantar ke arXiv pada 23 September 2026.17 Media berbahasa Cina melaporkan tentang EMem-Bench pada 18 Oktober, dan halaman pasukan turut menyenaraikan liputan berkaitan.
6
13
Laporan pada 18 Oktober menyatakan bahawa kira-kira tiga minggu selepas pelancarannya, EMem-Bench telah mendapat hampir 30,000 muat turun di Hugging Face, platform untuk berkongsi model dan set data AI. Itu ialah angka yang dilaporkan ketika itu, bukan jumlah muat turun terkini yang telah disahkan.6
Keputusan simulasi belum membuktikan robot sebenar boleh dipercayai
EMem-Bench menilai ingatan melalui tugasan interaktif dalam persekitaran simulasi dan mengukur sama ada ingatan membantu tindakan seterusnya.1
4 Keputusan yang dilaporkan menunjukkan prestasi sistem dalam ujian tersebut. Namun, skor simulasi sahaja tidak membuktikan bahawa robot sebenar akan berfungsi dengan sama baik apabila berdepan hingar sensor atau kesilapan pelaksanaan. Penilaian menggunakan robot fizikal diperlukan untuk menjawab persoalan itu.
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 "EMem-Bench menguji sama ada ejen AI boleh belajar daripada pengalaman lalu"?
Pasukan OmniAI Universiti Zhejiang membangunkan EMem Bench dengan 2,554 episod interaktif untuk menguji sama ada ejen AI berjasad boleh mengingati dan menggunakan pengalaman lalu.
What are the key points to validate first?
Pasukan OmniAI Universiti Zhejiang membangunkan EMem Bench dengan 2,554 episod interaktif untuk menguji sama ada ejen AI berjasad boleh mengingati dan menggunakan pengalaman lalu. Penanda aras ini menguji empat kebolehan: mengingati pemerhatian terdahulu, menjejak perubahan keadaan, menyimpan maklumat daripada hasil interaksi dan menggunakan pengalaman dalam tugasan baharu.
What should I do next in practice?
Dalam semakan 100 trajektori kegagalan terpilih, empat jenis masalah berkaitan ingatan merangkumi 91% kes.
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