在领先AI记忆基准测试中排名第一，使用更小更便宜模型

Exabase宣布其第一代长期记忆引擎Mneme-1（M-1）在LongMemEval基准测试中取得了最先进的结果。使用相对小型且成本效益高的模型Gemini 3 Flash，M-1在top-50检索深度达到96.4%的准确率，且无需针对特定问题的提示工程。这一突破凸显了复杂检索架构相对于单纯依赖大型前沿模型的潜力。

LongMemEval是一个旨在测试对话AI长期记忆的挑战性基准。它包括500个问题，涵盖六个类别：单会话用户信息、助手提供信息、偏好、多会话推理、时序推理和知识更新。该基准包含约115,000个令牌的对话历史，相关信息稀疏分布。M-1在单会话任务上表现出近乎完美的性能，在多会话推理（94.0%）和时序推理（95.5%）方面也取得了强劲结果。

M-1的架构受认知科学启发，将记忆视为一个重构过程。其检索管道包括三个阶段：首先，根据语义、词汇和时间因素对候选记忆进行评分；其次，将查询分解为多个并行传递以收集来自不同来源的信息；最后，对结果进行重排序以确保连贯性和重要性。这种方法使M-1能够有效检索相关记忆，而无需依赖大上下文窗口或昂贵模型。

结果表明，M-1的检索既高效又稳健。性能在top-50达到峰值，之后额外的上下文引入噪声，证实系统能有效对相关记忆进行排名。总体而言，M-1为生产就绪的长期记忆系统设定了新标准，证明小型模型结合智能检索可以超越大型模型。