Taranjeet(@taranjeetio)· Taranjeet (@taranjeetio)·· 18 天前AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
DolphinBench 发布：面向智能体记忆的动作评测基准，同时衡量准确率、成本与延迟
Launching DolphinBench - agent memory benchmark that grades action after long history and measures a...
AI 导读
DolphinBench 是一个新的智能体记忆基准，在长历史对话后直接评测智能体的动作是否正确，而非问答式打分，并把准确率、成本与延迟放在同一张榜单上。它针对现有记忆评测已趋于饱和、且忽略选型时最关键的成本与延迟问题，主张关注工具调用中真正决定成败的事实。
来源：Taranjeet(@taranjeetio) · x.com