MemDev-Bench 评测记忆系统对代码智能体的影响

研究者 Guorui Chen 等人提出基准 MemDev-Bench，用同一仓库中带相关性标注的历史任务构建可控记忆历史，覆盖 555 个基础任务、共 4,869 个可执行可验证的历史任务，以评估记忆系统如何影响代码智能体。 评测发现，记忆主要提升细粒度定位与编辑的功能正确性，但也会让本可解决的任务失败，原因是智能体复用记忆时未重新评估其适用性；此外，直接提供原始历史轨迹比使用记忆系统更能减少步骤。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。