Agent Memory Leaderboard
来自 AML 团队

AML 官方博客

来自 Agent Memory Leaderboard 团队的研究、技术实践与最新动态。

一起探索智能体记忆。
← 返回全部文章

倒计时 2 天|CSIG主办,Agent Memory Challenge 2026 第二期参赛指南

第二期公告6 分钟阅读

记忆之巅排行榜


倒计时 2 天|Agent Memory Challenge 2026 第二期参赛指南

当一个 Agent 与用户相处几个月、处理过数百次任务之后,它究竟记住了什么?


它能否在需要的时候找回关键事实,识别信息的变化,及时更新记忆,过滤过期或冲突的内容,并把曾经积累的经验真正用于下一次任务?


这正是 Agent Memory Leaderboard(AML)持续关注的问题。


由中国图像图形学会(CSIG)主办,南京大学、浙江大学、Datawhale、CSIG 企业联络与标准化工作委员会承办的第二期Agent 记忆公开挑战赛(Agent Memory Challenge 2026 II )将于2026 年 9 月 20 日 00:00正式开放。

距离开评,不足 2 天。


第二期设置文本记忆、代码记忆、多模态记忆三个赛道,同时面向开源方法和商业产品开放。无论你正在研究长期记忆方法、开发记忆基础设施,还是已经拥有可用的商业记忆产品,都可以通过统一的 Add/Search 接口参加评测。




从第一期出发,

继续把记忆系统放到同一套规则下比较




第一期 AML 榜单于 2026 年 8 月发布。第一期赛事共吸引 136 支队伍报名、67 个代表性记忆框架完成首轮评测,截止目前官网累计点击量超过 30 万次。


Agent 记忆挑战赛正式启动:首个面向记忆系统的开放锦标赛

首期 AML 榜单正式发布!

AML 官方系列解读(一)|榜单热度持续:文本开源榜透露了哪些信号?


首期 Hugging Face 榜单也受到社区广泛关注,曾登上 Spaces 趋势榜榜首。




第二期赛事三大赛道




第二期挑战赛设置文本、代码、多模态三大赛道。

文本记忆

文本赛道考察长对话和跨会话历史中的事实、关系、多跳组合、时间事件、个性化、规则执行和记忆治理。

第二期同时纳入 Streaming 持续记忆能力:评测过程中,Add 与 Search 可能随着事件推进交错发生。系统不仅要“记得住”,还要在正确的时间使用当时已经获得的信息,识别更新、冲突和失效。

代码记忆

代码赛道考察历史工程经验中的代码定位、模块关系、缺陷根因、修改策略、测试验证和失败经验,以及经验迁移、版本辨析与噪声过滤能力。

Full 包含 150 个真实软件工程任务,分别在 relevant 和 noisy 两种记忆条件下运行,共 300 个评测单元。最终以实际代码修改和测试验证结果为准,而非仅看检索相似度。

多模态记忆

第二期引入多模态记忆赛道,多模态赛道考察图文记忆的写入、检索和证据使用。参赛系统可以处理原图,也可以使用请求中的 caption,但必须正确解析图文内容数组,并说明是否使用原图、OCR、caption,以及是否返回图片证据。评测过程中,系统不仅要记得住事件信息,还要捕获图片中隐含的关键内容。




第二期赛事两大组别




赛事面向全球高校、科研院所、企业、开源社区、独立研究团队和个人开放,支持个人参赛、团队参赛和跨单位组队。

参赛者可以选择一个或多个赛道,但只能选择一种参赛组别:

开源方法榜适合论文方法、研究项目和开源系统。参赛者需要提供公开仓库、固定 Commit、依赖与运行说明,并准确披露原始工作、作者和本次改动。

商业产品榜适合商业 API、闭源产品和不公开内部实现的系统。参赛者无需公开内部代码,但需要固定产品或 API 版本,并申报模型、接口、容量和关键运行条件。

两个组别都需要由参赛方自行部署稳定、可访问的 Add/Search API。本届比赛报名免费。平台承担统一 Answer、Evaluation 和评测编排的费用;参赛方承担自身服务、数据库、模型调用、存储、带宽和计算资源费用。




参赛流程




参赛流程可以概括为:

  1. 选择参赛赛道和组别后,自行部署 Add/Search API,在线提交 Evaluation Access Request 和完整材料;

  2. 审核通过后,绑定系统版本、接口和目标赛道;

  3. 针对每个赛道分别运行 Smoke;

  4. Smoke 通过后,启动 Full;

  5. Full 期间保持服务、版本和评测状态稳定,任务中断时,请按照平台指引恢复;

  6. 查看私有结果并配合审核,审核通过后进入对应公开榜单。




Add/Search 接口规范




参赛系统需要提供两个 HTTP POST 接口:

  • Add:接收平台写入的历史内容;

  • Search:在指定 user_id 范围内检索相关记忆。

正式接入前,请重点确认以下五点:

第一,严格隔离。user_id 是记忆隔离边界,不同 user_id 的数据不得混合检索;同一用户下的不同 session_id 仍可能需要跨会话检索。

第二,写后可见。同步 Add 只有在内容已经持久化、后续 Search 可以立即检索时,才能返回 HTTP 200。仅把请求放入后台队列,不等于写入完成。

第三,保证幂等。平台重试时会复用同一个逻辑请求。参赛服务应以 request_id 处理幂等,避免重复写入污染结果。

第四,返回标准结构。Search 成功响应的顶层字段为 data 数组;没有相关记忆时返回 {"data": []}。返回顺序就是证据优先顺序,条目数不得超过本次 top_k。

第五,Search 返回记忆证据。最终回答或代码任务由平台统一完成。参赛系统不得把当前问题的答案、选项字母或外部金标伪装成记忆返回。

完整字段、多模态内容数组、错误处理和示例,请以 API Guide 与 Documentation 为准。




关键时间




9 月 20 日 00:00:第二期正式开放,开始接收报名、准入申请和评测任务。

9 月 20 日至 10 月 31 日:完成材料审核、接口接入、Smoke、Full 和必要复核。

10 月 31 日 23:59:报名和完整材料提交截止。

11 月 4 日 23:59:本期评测停止。

11 月中旬:完成结果复核并发布正式榜单。

Full 评测通常需要约 0.5—2 天,实际耗时还会受到接口响应、错误重试和平台调度影响。提交任务不等于完成评测,请为排队、运行和异常处理预留充足时间。

每个 AML Key、每个赛道本届最多运行 30 次 Smoke评测、2 次 Full评测;Smoke 评测最短间隔 1 小时,第二次 Full 评测须在首次 Full 成功完成 30 天后发起。计划两次 Full 评测的团队,应尽早完成第一轮。




奖金设置




三个赛道的总奖金池为 人民币 150,000 元,仅面向符合规则并通过审核的开源方法榜参赛团队。

每个赛道分别设置:

  • 一等奖 1 名,奖金 20,000 元;

  • 二等奖 2 名,每名奖金 8,000 元;

  • 三等奖 3 名,每名奖金 3,000 元;

  • 最佳技术创新奖 1 名,奖金 5,000 元。

商业产品榜不参与本期奖金评选,但将以独立榜单展示通过审核的正式结果。






11月,期待在榜单上见到你的系统



长期记忆正在从 Agent 的附加能力,逐渐成为持续工作、个性化交互和经验复用的基础设施。评测的价值,不只在于给出一个总分,也在于让每一种方法看见自己的长处、边界和下一步。


如果你已经拥有一套可以写入和检索记忆的系统,现在就是把它放进统一评测流程的时候!


报名与评测:

https://agentmemories.ai/evaluation

赛事说明:

https://agentmemories.ai/competition

参赛规则:

https://agentmemories.ai/rules

接口文档:

https://agentmemories.ai/api-guide

赛事咨询:

[email protected]