来源:paper:p. 8, §4.3, Table 2
这条 Claim 暂无已发布的不可变 Assessment。
这条 Claim 暂无关联执行。
已评估 0/28 项
保留同一结论下的完整结果组。已有评估排在前面;单项判断不替代整组结论。展开行查看条件、来源与历次证据。
| 指标与条件 | 论文报告 | 最近可用实测 | 证据判断 |
|---|---|---|---|
variant: w/o SFT · category: overall · benchmark: locomo | 48.59 F1 points (0–100) | — | 尚未评估 |
variant: w/o SFT · category: overall · benchmark: longmemeval | 48.8% | — | 尚未评估 |
variant: w/o SFT · category: overall · benchmark: narrativeqa | 34.98 F1 points (0–100) | — | 尚未评估 |
variant: w/o SFT · category: overall · benchmark: hotpotqa | 45.44 F1 points (0–100) | — | 尚未评估 |
variant: MemAgent data · category: overall · benchmark: locomo | 48.6 F1 points (0–100) | — | 尚未评估 |
variant: MemAgent data · category: overall · benchmark: longmemeval | 55.2% | — | 尚未评估 |
variant: MemAgent data · category: overall · benchmark: narrativeqa | 31.98 F1 points (0–100) | — | 尚未评估 |
variant: MemAgent data · category: overall · benchmark: hotpotqa | 54.53 F1 points (0–100) | — | 尚未评估 |
variant: Memory-R1 data · category: overall · benchmark: locomo | 48.9 F1 points (0–100) | — | 尚未评估 |
variant: Memory-R1 data · category: overall · benchmark: longmemeval | 57.2% | — | 尚未评估 |
variant: Memory-R1 data · category: overall · benchmark: narrativeqa | 32.42 F1 points (0–100) | — | 尚未评估 |
variant: Memory-R1 data · category: overall · benchmark: hotpotqa | 49.81 F1 points (0–100) | — | 尚未评估 |