LMEB

LMEB（长时记忆嵌入基准）是一个专门设计用于评估嵌入模型处理复杂、长时记忆检索任务能力的基准测试。与现有主要关注段落检索的文本嵌入基准不同，LMEB专注于处理碎片化、上下文依赖和时间上遥远的信息。该基准包含22个多样化数据集和193个检索任务，涵盖四种记忆类型：情景记忆（涉及与时间线索、实体、内容和空间背景相关的过去事件检索）、对话记忆（专注于多轮交互中的上下文维护）、语义记忆（涉及独立于时间或特定背景的一般知识和事实回忆）以及程序记忆（支持学习技能和动作序列的检索）。LMEB通过结合AI生成和人工标注的数据集，为嵌入模型的长时记忆检索能力提供了严格的测试平台。该基准特别适用于增强像OpenClaw这样的记忆增强系统的适应性和个性化决策能力。数据集规模介于10万到100万之间，主要包含文本模态，适用于特征提取任务。