LongMemEval-V2

LongMemEval-V2 是一个面向长时程智能体记忆能力的基准评测框架，用于系统评估记忆系统在复杂、定制化环境中辅助智能体积累经验并成为“资深同事”的有效性。它提供包含451个手工构建问题的多模态网页与企业场景轨迹数据集（最大达1.15亿token），覆盖静态状态召回、动态状态跟踪、工作流知识、环境陷阱识别和前提意识五大核心记忆能力；支持端到端评估答案准确率与查询延迟。适用于智能体记忆架构研发、RAG系统优化及长期任务自动化等研究与工程场景。