English(EN) VEKTOR 2.0.2: Memory benchmark LongMemEval results

Vektor 2.0.2 通过增强的记忆召回能力，提升了 LongMemEval 基准测试分数

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-25 06:25

Vektor 发布了其内存基准测试工具 LongMemEval 的 2.0.2 版本，展示了其在回忆和处理长聊天记录信息方面的显著改进。更新后的版本在 120 个 LongMemEval 问题的配对检查中得分 89.2%，高于先前版本的 84.2%，在全部 500 个问题中得分 84.0%。主要改进包括通过将相对日期转换为特定时间戳来提高时间精度，以及根据问题复杂度动态调整内存召回大小，计数和求和问题现在受益于多达 80 个记忆，而不是之前的 12 个。 AI

影响增强了 LLM 处理长上下文的能力，可能改善对话式 AI 应用中的用户体验。

排序理由这是一个工具发布和基准测试更新，而不是前沿模型发布。

在 dev.to — LLM tag 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

Vektor 2.0.2 通过增强的记忆召回能力，提升了 LongMemEval 基准测试分数

本文如何被排名

Signal score: 21 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 这是一个工具发布和基准测试更新，而不是前沿模型发布。
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: product, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

dev.to — LLM tag TIER_1 English(EN) · Vektor Memory · 2026-10-25 06:25

VEKTOR 2.0.2：内存基准测试 LongMemEval 结果

<p><a class="article-body-image-wrapper" href="https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Farticles%2F29ls9hbnmw43o9i95jd2.jpg"><img alt=" " height="500" …

本文如何被排名

报道来源 [1]

VEKTOR 2.0.2：内存基准测试 LongMemEval 结果

相关实体

相关话题