Câu trả lờiĐã xuất bản18 nguồn
EMem-Bench kiểm tra trí nhớ dài hạn của tác tử AI hiện thân
EMem Bench của nhóm OmniAI, Đại học Chiết Giang, dùng 2.554 episode tương tác để kiểm tra liệu tác tử AI hiện thân có nhớ và vận dụng trải nghiệm trước đó hay không. Benchmark đánh giá bốn năng lực: nhớ chi tiết từng quan sát, cập nhật vị trí hoặc trạng thái mới, ghi nhớ phản hồi từ tương tác và áp dụng kinh nghiệm...
Đăng bởiBiên tập bằng GPT-6 LunaHình ảnh được tạo bằng GPT Image 2
Câu trả lời nghiên cứu
Bài học chính
- EMem Bench của nhóm OmniAI, Đại học Chiết Giang, dùng 2.554 episode tương tác để kiểm tra liệu tác tử AI hiện thân có nhớ và vận dụng trải nghiệm trước đó hay không.
- Benchmark đánh giá bốn năng lực: nhớ chi tiết từng quan sát, cập nhật vị trí hoặc trạng thái mới, ghi nhớ phản hồi từ tương tác và áp dụng kinh nghiệm vào nhiệm vụ khác.
- Trong 100 quỹ đạo thất bại được xem xét thủ công, bốn nhóm lỗi liên quan đến trí nhớ chiếm tổng cộng 91%.
Prompt AI
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
Một tác tử AI có thể nhìn thấy đồ vật trong phòng, nhưng vài bước sau còn nhớ nó ở đâu không? Và nếu đã thử một thao tác nhưng thất bại, nó có tránh lặp lại lỗi đó ở nhiệm vụ tiếp theo không?
Đó là những câu hỏi mà EmbodiedMemory-Bench (EMem-Bench) hướng tới. Nhóm OmniAI thuộc Đại học Chiết Giang đề xuất benchmark này để đánh giá trí nhớ dài hạn của các tác tử AI hiện thân — hệ thống vừa tiếp nhận thông tin từ môi trường, vừa hành động trong môi trường đó. Bộ benchmark gồm 2.554 episode tương tác; bài báo được nộp lên arXiv ngày 23/9/2026.1
17
Không chỉ hỏi lại chuyện đã qua
EMem-Bench không dừng ở việc yêu cầu mô hình kể lại những gì đã xảy ra. Mỗi bài thử đưa cho tác tử một chuỗi lịch sử tương tác đa phương thức theo trình tự thời gian, rồi giao một nhiệm vụ tiếp theo. Tác tử phải hình thành hoặc cập nhật ký ức từ trải nghiệm và hành động trong môi trường để hoàn thành nhiệm vụ.1
11
Bốn nhóm bài thử tập trung vào khả năng:
- Nhớ quan sát trước đó: Chẳng hạn, nhớ vị trí của một món đồ từng xuất hiện trong hình ảnh.
- Theo dõi thay đổi: Cập nhật vị trí hoặc trạng thái của đồ vật, thay vì hành động theo thông tin cũ.
- Ghi nhớ kết quả tương tác: Lưu lại điều được hé lộ qua phản hồi của hành động, như một thao tác có thành công hay không.
- Chuyển giao kinh nghiệm: Áp dụng quy tắc hoặc điều đã học từ một lần sửa lỗi vào đồ vật hay tình huống mới.
11
16
Điểm cốt lõi là trí nhớ được đo qua hành động: tác tử có nhớ thông tin hay không thể hiện ở việc nó có dùng đúng thông tin đó trong nhiệm vụ sau hay không.1
Những lỗi thường gặp khi tương tác trong nhà
Để nhận diện các khó khăn về trí nhớ, nhóm nghiên cứu phân tích thủ công 100 quỹ đạo thất bại của Gemini-3-Flash và Qwen3-VL-32B trên hai bộ EB-ALF và EB-Hab thuộc EmbodiedBench. Bốn dạng lỗi liên quan đến trí nhớ được ghi nhận gồm:
- Bỏ sót chi tiết hình ảnh — 35%: Đồ vật từng xuất hiện nhưng tác tử không nhớ vị trí, dẫn đến việc tìm kiếm lặp đi lặp lại.
- Không cập nhật thay đổi của môi trường — 18%: Đồ vật đã được di chuyển hoặc xử lý nhưng tác tử vẫn dựa trên trạng thái cũ.
- Không lưu phản hồi từ tương tác — 31%: Kết quả hành động cung cấp thông tin mới về trạng thái hoặc giới hạn của môi trường, nhưng tác tử không ghi nhớ điều đó.
- Không chuyển giao kinh nghiệm — 7%: Dù từng được hướng dẫn hoặc sửa lỗi, tác tử vẫn mắc lại lỗi tương tự khi gặp đồ vật khác.
Tổng cộng, bốn nhóm này chiếm 91% số quỹ đạo thất bại được phân tích. Con số này mô tả một tập hợp thất bại đã chọn để xem xét, không phải tỷ lệ thất bại tổng thể của hai mô hình, cũng không phải kết quả từ một mẫu chọn ngẫu nhiên.
EMem sắp xếp ký ức ra sao?
Nhóm nghiên cứu cũng giới thiệu Embodied-Memorizer (EMem), một hệ thống bộ nhớ ngoài tổ chức trải nghiệm thành ký ức về cảnh, không gian và sự kiện. Nhóm đồng thời huấn luyện EMem-8B để mô hình học cách quản lý và sử dụng những ký ức này.1
6
15 Mục tiêu không chỉ là lưu thông tin cũ, mà còn truy xuất điều liên quan đến nhiệm vụ hiện tại rồi dùng nó để quyết định hành động.
6
Trong một phép so sánh giữ nguyên GPT-5.4-mini làm mô hình nền, tỷ lệ thành công trung bình tăng từ 35,3% khi không dùng EMem lên 58,9% khi dùng EMem — tăng 23,6 điểm phần trăm. Cùng phép so sánh đó, TeleMem đạt 37,8%.6 Đây là kết quả trong một benchmark và thiết lập thử nghiệm cụ thể, không phải mức cải thiện được bảo đảm cho mọi mô hình hay nhiệm vụ thực tế.
Mức độ quan tâm và giới hạn của kết quả
Hồ sơ arXiv ghi nhận bài báo được nộp ngày 23/9/2026.17 Ngày 18/10, một số bài báo tiếng Trung giới thiệu công trình này; trang của nhóm nghiên cứu cũng liệt kê bài viết liên quan.
6
13 Theo bài báo đăng thời điểm đó, khoảng ba tuần sau khi phát hành, EMem-Bench đã có gần 30.000 lượt tải trên Hugging Face. Đây là con số được đưa tin vào thời điểm ấy, không phải tổng lượt tải hiện tại đã được xác minh.
6
EMem-Bench đánh giá trí nhớ và ảnh hưởng của trí nhớ đến hành động trong môi trường mô phỏng.1
4 Vì vậy, kết quả cho biết hệ thống làm tốt đến đâu trong những bài thử này, nhưng chưa đủ để kết luận robot thật sẽ đáng tin cậy tương tự khi phải xử lý nhiễu cảm biến hoặc sai số thực thi. Muốn trả lời câu hỏi đó cần có thêm đánh giá trên robot vật lý.
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Người ta cũng hỏi
Câu trả lời ngắn gọn cho "EMem-Bench kiểm tra trí nhớ dài hạn của tác tử AI hiện thân" là gì?
EMem Bench của nhóm OmniAI, Đại học Chiết Giang, dùng 2.554 episode tương tác để kiểm tra liệu tác tử AI hiện thân có nhớ và vận dụng trải nghiệm trước đó hay không.
Những điểm chính cần xác nhận đầu tiên là gì?
EMem Bench của nhóm OmniAI, Đại học Chiết Giang, dùng 2.554 episode tương tác để kiểm tra liệu tác tử AI hiện thân có nhớ và vận dụng trải nghiệm trước đó hay không. Benchmark đánh giá bốn năng lực: nhớ chi tiết từng quan sát, cập nhật vị trí hoặc trạng thái mới, ghi nhớ phản hồi từ tương tác và áp dụng kinh nghiệm vào nhiệm vụ khác.
Tôi nên làm gì tiếp theo trong thực tế?
Trong 100 quỹ đạo thất bại được xem xét thủ công, bốn nhóm lỗi liên quan đến trí nhớ chiếm tổng cộng 91%.
Nguồn
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