AnswersPublished18 sources
Bir yapay zekâ gördüğünü gerçekten hatırlıyor mu?
Zhejiang Üniversitesi OmniAI ekibinin EMem Bench’i, 2.554 etkileşim bölümüyle yapay zekâ ajanlarının geçmiş deneyimleri hatırlama ve kullanma becerisini ölçüyor. Test; önceki gözlemleri hatırlama, değişen durumları güncelleme, etkileşimlerden gelen geri bildirimi kaydetme ve deneyimi yeni görevlere aktarma beceriler...
YayımlayanGPT-6 Luna ile düzenlendiGörseller GPT Image 2 ile oluşturuldu
Research answer
Key takeaways
- Zhejiang Üniversitesi OmniAI ekibinin EMem Bench’i, 2.554 etkileşim bölümüyle yapay zekâ ajanlarının geçmiş deneyimleri hatırlama ve kullanma becerisini ölçüyor.
- Test; önceki gözlemleri hatırlama, değişen durumları güncelleme, etkileşimlerden gelen geri bildirimi kaydetme ve deneyimi yeni görevlere aktarma becerilerine odaklanıyor.
- İncelenen 100 başarısız görev izinin yüzde 91’i dört tür bellek sorunuyla ilişkilendirildi.
- GPT 5.4 mini temel alınan karşılaştırmada EMem, başarı oranını yüzde 35,3’ten yüzde 58,9’a çıkardı.
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
Bir yapay zekâ ajanının ev ortamında bir nesneyi görmesi, onu sonra bulabileceği anlamına gelmiyor. Nesnenin nerede olduğunu, hareket ettirilip ettirilmediğini ya da bir etkileşimin nasıl sonuçlandığını hatırlaması ve bu bilgiyi sonraki görevinde kullanması gerekiyor. Zhejiang Üniversitesi OmniAI ekibinin geliştirdiği EmbodiedMemory-Bench (EMem-Bench), tam da bu uzun süreli bellek becerisini sınamak için tasarlandı. Ekip, dört görev ailesine yayılan 2.554 etkileşim bölümü içeren bu kıyaslamayı tanıttı.1
17
Makale 23 Eylül 2026’da arXiv’e gönderildi.17 Ekip, EMem-Bench’i bir soru-cevap testinden farklı olarak, ajanın geçmiş deneyimlerinden yararlanıp ortamda eyleme geçtiği görevlerle kuruyor.
1
Bir şeyi görmek, sonra hatırlamaya yetiyor mu?
EMem-Bench’te ajana önce zaman sırasına göre düzenlenmiş çok modlu bir etkileşim geçmişi sunuluyor. Ardından ajan, geçmişte ne yaşandığını yalnızca anlatmakla kalmayıp ortamda yeni bir görevi tamamlamak zorunda. Bunun için hafızasını oluşturması ya da güncellemesi, gereken bilgiyi bulması ve doğru eyleme dönüştürmesi gerekiyor.1
11
Kıyaslama dört beceriyi yokluyor:11
16
- Önceki gözlemleri hatırlama: Daha önce görülen bir nesnenin konumu gibi görsel ayrıntıları akılda tutma.
- Değişiklikleri izleme: Bir nesne taşındığında veya durumu değiştiğinde eski bilgiye takılı kalmadan hafızayı güncelleme.
- Etkileşim sonuçlarını kaydetme: Bir eylemin başarılı olup olmadığı gibi geri bildirimlerden yeni bilgi çıkarıp saklama.
- Deneyimi yeni göreve aktarma: Önceki bir düzeltmeden veya deneyimden öğrenileni farklı bir nesne ya da sahnede uygulama.
Bu yaklaşımda hafıza, yalnızca “geçmişte ne olmuştu?” sorusuna verilen yanıtla ölçülmüyor. Ajanın hatırladığı bilgiyi sonraki görevinde doğru kullanıp kullanmadığı da sınanıyor.1
Ev ortamındaki görevlerde görülen bellek hataları
Araştırmacılar, bu tür bir teste neden ihtiyaç duyulduğunu göstermek için Gemini-3-Flash ve Qwen3-VL-32B’nin EmbodiedBench içindeki EB-ALF ve EB-Hab görev kümelerinde verdiği 100 başarısız görev izini inceledi. Bu örneklerde belirlenen bellek sorunları şöyle sınıflandırıldı:
- Görsel ayrıntıların gözden kaçması: yüzde 35. Ajan daha önce gördüğü bir nesnenin yerini hatırlamayınca yeniden aramaya başladı.
- Ortam değişikliklerini kaçırma: yüzde 18. Nesne taşınmış ya da üzerinde işlem yapılmış olmasına rağmen ajan eski durum bilgisine göre hareket etti.
- Etkileşim geri bildirimini hatırlamama: yüzde 31. Eylemin sonucu yeni bir durum ya da kısıt hakkında bilgi verdi, ancak ajan bunu sonraki adımlara taşımadı.
- Deneyimi başka göreve aktaramama: yüzde 7. Önceki bir gösterim veya düzeltmeden sonra bile ajan, farklı bir nesneyle aynı hatayı tekrarladı.
Bu dört kategori incelenen başarısız izlerin toplam yüzde 91’ini oluşturdu. Ancak bu, belirli bir başarısız örnek grubunun sınıflandırılmasıdır; modellerin genel başarısızlık oranı ya da rastgele seçilmiş bir testin sonucu olarak yorumlanmamalı.
EMem nasıl bir katkı sunuyor?
Ekip, kıyaslamanın yanında Embodied-Memorizer (EMem) adlı harici bir bellek sistemi de geliştirdi. EMem, deneyimleri sahne, mekân ve olay belleği olarak düzenliyor. Ekip ayrıca bu belleği yönetmeyi ve kullanmayı öğrenmesi için EMem-8B modelini eğitti.1
6
15
GPT-5.4-mini’nin ortak temel model olarak kullanıldığı karşılaştırmada, EMem olmadan ortalama başarı oranı yüzde 35,3’tü; EMem ile yüzde 58,9’a ulaştı. Aynı karşılaştırmada TeleMem’in başarı oranı yüzde 37,8 olarak bildirildi.6 Bu sonuçlar, belirli bir kıyaslama ve test düzenindeki performansı gösteriyor; tüm modeller ve görevler için aynı kazanımın elde edileceği anlamına gelmiyor.
İlgi gördü, ancak sonuçların sınırı var
Ekip sayfasında çalışmaya ilişkin Çince medya haberleri de listeleniyor.13 18 Ekim 2026 tarihli bir haber, kıyaslamanın yayımlanmasından yaklaşık üç hafta sonra Hugging Face’teki indirme sayısının 30 bine yaklaştığını aktardı. Bu, o tarihte haberleştirilen bir sayı; güncel indirme toplamının doğrulanmış karşılığı değil.
6
EMem-Bench, simülasyon ortamlarındaki etkileşimli görevler üzerinden bellek ve bu belleğin eyleme katkısını değerlendiriyor.1
4 Dolayısıyla sonuçlar, sistemlerin bu testlerde nasıl performans gösterdiğini ortaya koyuyor; sensör gürültüsü veya uygulama hatalarıyla karşılaşabilecek gerçek robotlarda aynı güvenilirliğin sağlandığını tek başına kanıtlamıyor. Bunun için fiziksel robotlarla ayrıca doğrulama yapılması gerekir.
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 "Bir yapay zekâ gördüğünü gerçekten hatırlıyor mu?"?
Zhejiang Üniversitesi OmniAI ekibinin EMem Bench’i, 2.554 etkileşim bölümüyle yapay zekâ ajanlarının geçmiş deneyimleri hatırlama ve kullanma becerisini ölçüyor.
What are the key points to validate first?
Zhejiang Üniversitesi OmniAI ekibinin EMem Bench’i, 2.554 etkileşim bölümüyle yapay zekâ ajanlarının geçmiş deneyimleri hatırlama ve kullanma becerisini ölçüyor. Test; önceki gözlemleri hatırlama, değişen durumları güncelleme, etkileşimlerden gelen geri bildirimi kaydetme ve deneyimi yeni görevlere aktarma becerilerine odaklanıyor.
What should I do next in practice?
İncelenen 100 başarısız görev izinin yüzde 91’i dört tür bellek sorunuyla ilişkilendirildi.
Sources
arxiv.orgBenchmarking Embodied Memory for Long-Horizon ...
huggingface.colzLiang/EmbodiedMemoryBench · Datasets at Hugging Face
github.comEmbodied-Omni/embodied_memory at main · ZJU-OmniAI/Embodied-Omni
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