辅助指标 · 类别 1–4 · 1,540 题 · 5 次运行均值
分项成绩
不只看总分，也看每一类任务。
LongMemEval 各任务类型的答对题数与正确率。
02 / LoCoMo
LoCoMo：LLM Judge 评分 80.92%
采用 Mem0 风格的 LLM Judge 评分，为类别 1–4（共 1,540 题）五次运行的均值，作为辅助指标；全量 1,986 题的确定性指标一并列出。
确定性评分 · 全量 1,986 题
所需证据的召回比例 · 全量 1,986 题
注：80.92% 的 Judge 成绩不含类别 5，不代表全量准确率。
响应速度
核心召回链路实测耗时 1.322 秒。
这是一次实测记录，实际耗时会因部署环境和请求内容而有所不同。
复现
按仓库说明，自行复现评测。
公开仓库包含架构说明、分项结果和复现步骤。