LongMINT: Memory under Multi-Target Interference — arXiv:2605.18565
论文概览¶
机构: 多机构合作
核心问题: 现有 agent 评测基准主要关注单任务或干净环境下的性能，忽略了真实世界中信息重复更新、跨记忆相互干扰的情况。LongMINT 填补了这一空白，首次系统性地评估 agent 在多目标干扰场景下的记忆表现。
基准设计¶
LongMINT 构建了三种干扰类型：
- 覆盖干扰（Overwrite Interference）：同一实体的信息在记忆中多次更新，后续版本覆盖前面版本
- 关联干扰（Association Interference）：多个相关实体的记忆在更新时产生错误关联
- 时序干扰（Temporal Interference）：时间敏感信息（如"今天下午的会议"）在多次交互后丢失时效性
评测环境包含 6 个领域（邮件、日历、文档、代码库、数据库、自然语言对话），每个领域设计了专门的记忆干扰注入协议。
核心贡献¶
- 首个多目标干扰评测基准：系统覆盖 3 类干扰、6 个领域、1200+ 评测案例
- 揭示现有 memory-augmented agent 的关键弱点：测试的 8 个主流 agent 在干扰场景下平均准确率下降 41%
- 提出干扰感知评测指标：不仅评测最终答案正确性，还追踪干扰发生时的记忆状态
- 为未来记忆系统设计提供方向：基于评测结果总结出抗干扰记忆系统应具备的属性
为什么重要¶
真实世界的 agent 记忆系统面临的不是"能否记住"的问题，而是"在记忆被更新/干扰时能否正确处理"的问题。LongMINT 首次将这一现实挑战引入学术评测体系，为构建更 robust 的生产级 agent 记忆系统提供了评测基础。
与移动端/端侧的相关性¶
移动端 agent 面临更密集的多应用切换和通知干扰——用户可能在导航应用中查找位置，然后收到消息打断，再切回导航。LongMINT 的评测体系直接面向这类场景，其发现的干扰弱点对端侧记忆系统设计有重要警示意义。
参考文献¶
- Lee, H., et al. (2026). LongMINT: Evaluating Memory under Multi-Target Interference in Long-Horizon Agent Systems. arXiv:2605.18565.