MobileMem：用一整年的真实手机数据考验Agent记忆

Hugging Face今日榜20票：MobileMem（arXiv 2608.13606，17位作者，包括Ningyu Zhang），一个用一整年真实手机用户应用会话构建的基准，问的问题是：agent能不能理解、记住并持续学习一个人积累的经验。一条知识锚定的合成管线把会话变成连贯、时间一致的长周期轨迹，然后测试多跳推理、时序推理、知识更新、隐式偏好推断和端上记忆实现。项目主页：mobilemem.openkg.cn

它瞄准的缺口是真实的。现有的记忆基准，LoCoMo、LongMemEval，测的是对话回忆，答案就藏在整洁的对话记录里。一年的手机使用是完全另一种东西：异构、多模态、和个人强相关，而且自相矛盾，因为人会改主意、会搬家、会换工作。知识更新是最难也最重要的维度，不能修正自己认知的记忆不是记忆，是沉积物。隐式偏好推断是另一个低调但野心很大的部分：agent应该知道的关于你的事，大部分你从来没说出口过。

和今天另一条记忆新闻的配对才是真正的信号。工程侧，ai-memory正在GitHub trending上用"编译而非检索"的markdown wiki给coding agent做记忆；研究侧，MobileMem在定义生活尺度的记忆什么叫及格。工程派和评测派同一周在同一层会师，通常意味着这一层马上要快速变好，coding agent当年就是这么起来的。

arxiv.org/abs/2608.13606