MedMemoryBench: Benchmarking Agent Memory in Personalized Healthcare

论文概览

字段	内容
标题	MedMemoryBench: Benchmarking Agent Memory in Personalized Healthcare
作者	Yihao Wang, Haoran Xu, Renjie Gu, Yixuan Ye, Xinyi Chen, Xinyu Mu, Yuan Gao, Chunxiao Guo, Peng Wei, Jinjie Gu, Huan Li, Ke Chen, Lidan Shou
提交日期	2026-05-12
类别	cs.AI
论文简介	为个性化医疗Agent记忆系统建立基准测试，包含约2000会话和16000交互轮次

核心贡献

1. 医疗轨迹数据集

• 基于临床 grounded、合成患者原型，构建高度真实的长时域医疗轨迹
• 包含约 2,000 会话 和 16,000 交互轮次
• 人-Agent 协作 pipeline 合成数据

2. "Evaluate-while-Constructing" 流式评估协议

• 区别于传统静态评估
• 精确模拟生产环境的动态记忆积累过程
• 支持流式评估协议

3. 记忆饱和（Memory Saturation）现象形式化

• 研究持续信息流入主动降低检索和推理鲁棒性的关键现象
• 系统性调查记忆饱和问题

4. 主流架构瓶颈揭示

• 复杂医疗推理能力不足
• 噪声鲁棒性差
• 为生产级医疗Agent开发提供重要基础

为什么重要

现有基准测试主要聚焦于日常开放域对话，无法捕捉真实医疗应用的高风险复杂性。本工作源自服务于数千万活跃用户的行业领先健康管理Agent的生产级需求，直接针对：

1. 精确性要求：医疗场景对记忆精度要求极高
2. 安全性要求：医疗决策关乎生命安全
3. 长期追踪能力：需要跨时间跨事件的临床记忆

与移动端/端侧的相关性

医疗Agent需要在边缘设备（如移动端、可穿戴设备）上运行，以实现： - 实时健康监测 - 本地化隐私保护（医疗数据不离设备） - 低延迟响应

记忆饱和问题的研究对端侧资源受限环境尤为重要——端侧设备无法无限存储记忆，必须决定何时遗忘或压缩。

关键发现

主流架构在以下方面存在严重瓶颈： - 复杂医疗推理能力 - 噪声鲁棒性（医疗数据常含噪声）

参考

• GitHub: N/A（论文未提供）
• arXiv: https://arxiv.org/abs/2605.11814