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

AML 火热进行中|参赛常见问题 Q&A 第二期

第二期公告8 分钟阅读

记忆之巅排行榜


Agent Memory Leaderboard 第二期评测正在火热进行中!本期评测覆盖 Coding、多模态和文本三个赛道,欢迎大家结合自身方向积极参与。我们也特别期待大家关注 Coding 与多模态赛道,目前赛道没那么拥挤哦!大家踊跃报名、展现优秀成果。围绕近期参赛邮件中的申请确认、版本登记、跨赛道接入和异常排查,我们整理了这份补充 Q&A,帮助参赛团队处理实际接入中遇到的问题。




申请确认与邮件沟通







Q1:收到补充信息邮件后,需要重新提交申请吗?


如果是在补充原申请,请优先在原邮件中回复。组委会能够定位对应申请时,无需为同一事项重复提交。请说明系统名称和版本,并逐项回应需要补充的信息。只有实际申请内容发生变化,或组委会明确要求重新申请时,才需要走新的流程。





Q2:此前已经提供过申请编号,还需要在每次回复中重新提供吗?


如果沿用原邮件线程,且组委会已经确认对应申请,不必反复提供同一编号。另起邮件、同时沟通多个系统,或涉及多个版本时,建议注明对应申请,避免把不同事项混在一起。





Q3:申请已经批准,但没有收到 Key 邮件,应该重新申请吗?


请先检查垃圾邮件箱、邮箱拦截规则和申请中填写的邮箱,再联系组委会核对原申请的发送记录。




新版本与跨赛道接入







Q4:申请登记新版本,只提供一个版本名称够吗?


登记新版本时,除版本名称外,请一并提供对应的固定实现、模型、关键依赖,以及与旧版本的改动说明。这些信息有助于准确区分不同版本,让登记信息与实际提交的实现保持一致。





Q5:已经收到某项资格安排的书面批准,为什么还在等待版本登记?


资格确认和版本登记是两个步骤。收到资格安排的书面批准后,请对照原邮件要求,确认新版本名称、固定实现及必要材料是否齐备,并补充尚缺的信息,以便继续办理版本登记。沿用原邮件线程补充信息,也有助于衔接已确认的资格安排。





Q6:跨赛道接入时,可以沿用原 Key 登记新版本吗?


请先确认目标赛道使用的 Add/Search 地址是否与原 Key 绑定的地址一致。地址相同,可沿用原 Key 登记新版本,并在满足目标赛道对应的 Smoke 和准入条件后启动评测;地址不同,请按更换端点流程提交 Key 申请,并注明原系统、原申请及目标赛道用途,便于关联已有申请信息。新增版本不意味着可以用新实现续跑旧任务。





Q7:为新端点申请了新 Key,会额外获得一套 Full 次数吗?


更换端点申请用于审核和绑定新的接入配置,同一参赛身份的评测额度保持不变,不会额外增加 Full 次数。规划接入和评测时,请按原有额度安排。





Q8:新增版本后,已经运行的旧任务会自动切换到新版本吗?


不会。已经受理的任务仍绑定原版本及其评测配置。请分别确认旧任务处理安排和新版本接入资格,避免误将新实现用于旧任务。

旧任务续跑时须保持原评测实现和配置不变;涉及 Add/Search 行为变化的新实现,应按新版本流程处理,不得直接用于旧任务续跑。




接口配置与容量申报







Q9:原申请漏填了 Health 地址,可以补充吗?


如需补充 Health 地址,请联系组委会,注明原申请、系统版本和拟补充的地址。组委会会结合接入要求及当前任务状态核对补充方式;为保持任务配置一致,已绑定任务的配置请勿自行更改。





Q10:服务升级后可以处理更大的请求,需要重新说明吗?


请补充实际请求体、存储和处理能力,以及升级是否涉及实现变化。如果只是调整网关或资源配置,也应说明是否影响接口行为。若涉及模型、算法或检索逻辑变化,应按新版本处理。




预检与参赛接口异常







Q11:端口能够连通,但一直没有 HTTP 响应,算接口正常吗?


仅端口连通,还不能确认接口正常。请进一步检查请求是否被网关、应用或下游服务阻塞。排查时,请提供连接或超时记录,帮助定位请求停在哪个环节;没有取得 HTTP 响应时,请如实说明。





Q12:登记新版本时,可以更改 Add / Search 接口地址吗?


目前不支持。同一评测 Key 下,登记新版本不能更改已绑定的 Add / Search 地址。如需更换地址,请通过官网重新提交评测 Key 申请,并注明原系统、原申请号、新版本及接口变更说明,以便审核和归档。审核通过后,需使用新登记的版本完成对应赛道的 Smoke,再进入 Full。这是为了方便归档,给您带来的不便敬请谅解。




修复沟通与任务状态







Q13:页面显示失败,但自己的服务日志还在更新,应该继续改服务吗?


建议先核对任务编号、时间和评测阶段,确认日志是否来自同一个任务,以及是否属于仍在收尾的请求或其他活动任务。对齐这些信息后,再确认需要处理的环节,避免误改仍在运行的服务。





Q14:组委会已经回复确认,后续需要另起邮件跟进吗?


建议继续在原邮件线程中跟进,注明尚未解决的具体步骤和当前遇到的问题。这样可以保留完整沟通记录,便于衔接此前的确认结果,也减少重复说明的工作。




模型使用与榜单资格







Q15:学术榜必须使用指定模型吗?可以用 Qwen3-Embedding-4B 等开源模型替代 text-embedding-v4 吗?


学术榜(开源方法榜)的 Embedding 模型须使用 text-embedding-v4,LLM 相关组件须使用 gpt-4o-mini;Reranker 不作限制。准备学术榜配置时,请按上述模型要求接入;如希望使用其他模型,可参考 Q17了解工业榜的参与方式。

申请时请写明实际模型名称、版本、用途及部署或服务提供方式,并区分 Embedding、LLM 和 Reranker,便于核对配置。上述要求针对参赛系统内部的模型使用;Answer/Eval 模型由平台统一配置,不由参赛方选择或替换。





Q16:使用其他开放权重模型或自训练模型的开源项目,可以参加哪个榜单?


可以申请参加工业榜。工业榜不要求项目已经商业化,非商业开源项目也可参与,为使用其他开放权重模型或自训练模型的团队提供参赛路径。选择榜单时,请同时了解对应的评选范围:工业榜不参与第二期奖金评选,团队可结合实际模型配置和参赛目标选择适合的榜单。




在代码与多模态赛道

验证记忆系统的更多能力




第二期评测仍在火热进行中。代码与多模态赛道为研究团队、开源项目和产品团队提供了在不同任务场景中验证记忆系统、展示技术特点的机会。欢迎结合系统优势选择适合的赛道,让研究成果和产品能力接受实际任务的检验。

代码赛道

如果团队关注软件工程经验积累、历史错误分析和有效经验复用,可以通过代码赛道,在真实代码任务中检验记忆系统的作用,为后续优化提供评测参考。

多模态赛道

如果团队关注图片证据检索、图文关联、跨会话视觉记忆和长期多模态记忆,可以通过多模态赛道检验相关能力,并展示系统在这些任务场景中的表现。

跨赛道参与

已经参与文本赛道的团队,也可以结合自身能力探索代码和多模态赛道,从更多任务维度了解系统的适用范围与改进方向。无论专注单一场景,还是探索跨赛道应用,都欢迎用评测展示各自的技术特点。

联系方式

如有其他问题,欢迎通过官方邮箱反馈。我们会继续根据实际接入情况补充文档和常见问题。

具体参赛资格、评测安排及特殊情况处理,以官网最新规则和组委会书面确认结果为准。