看见不等于记住，浙大提出具身记忆基准 设想一个日常场景：家庭机器人刚刚在茶几上看见一本书，去厨房完成几项任务后，接到取书…

看见不等于记住，浙大提出具身记忆基准 设想一个日常场景：家庭机器人刚刚在茶几上看见一本书，去厨房完成几项任务后，接到取书…

浙江大学 OmniAI 团队的 Embodied-Omni 开源仓库中 embodied_memory 目录对应的页面。帖子介绍 EmbodiedMemory-Bench：通过四类任务、2554 条可执行交互样本评测具身智能体能否从历史中建立记忆并用于后续任务，并配套提出外部记忆系统 Embodied-Memorizer 与 EMem-8B 模型，称发布约三周 Hugging Face 下载量接近 30000 次。README 将该仓库描述为 ZJU-OmniAI 一系列开源具身 AI 项目，涵盖长程任务规划、环境状态推理、自我反思和真机部署。

看见不等于记住，浙大提出具身记忆基准 设想一个日常场景：家庭机器人刚刚在茶几上看见一本书，去厨房完成几项任务后，接到取书…

浙江大学 OmniAI 团队提出的 EmbodiedMemory-Bench 在 Hugging Face 上的数据集页面。该基准用于评测具身智能体能否从历史观察、行动和反馈中建立记忆并用于后续长程任务，包含四类任务、2554 条可执行交互样本；团队同时提出外部记忆系统 Embodied-Memorizer 和 EMem-8B 模型。帖子称该 benchmark 发布约三周在 Hugging Face 下载量接近 30000 次，并给出论文、项目主页、代码和基准链接；页面显示数据集含 family、difficulty、episode_name、scene 等字段。

具身智能体长程记忆：看见不等于记住，浙大提出具身记忆基准

新智元报道，浙江大学OmniAI团队提出具身记忆基准EmbodiedMemory-Bench（EMem-Bench），包含4类任务、2554条可执行交互样本，用于评测智能体能否从历史交互中建立记忆并用于后续任务；同时提出外部记忆系统Embodied-Memorizer（EMem）和用于学习管理与使用记忆的EMem-8B模型。文中称团队分析了Gemini-3-Flash与Qwen3-VL-32B在EmbodiedBench上的100条失败轨迹，四类记忆相关问题合计占91%，并称该基准在Hugging Face发布约三周下载量接近3万次。适合研究具身智能与智能体长程记忆的人阅读。

用 AutoResearch 玩参数高尔夫——Vayum Arora、Zhengyao Jiang、Dixing Xu 与 Dhruv Srikanth，Weco AI

Parameter Golf with AutoResearch — Vayum Arora, Zhengyao Jiang, Dixing Xu & Dhruv Srikanth, Weco AI

Weco AI 的工作坊把“提出改动—评估—保留更好结果”的研究循环做成可动手的实验，用 Mini Parameter Golf 让训练实验小到可以边跑边检查。Zhengyao Jiang 介绍自动研究作为反复提出与评估的过程，Dixing Xu 讲解团队的 Aiden 系统及其在 OpenAI Parameter Golf 挑战中的工作，另两位讲者则演示由可修改源文件、固定评估命令和可度量目标组成的实用配置。内容涉及评估要快且稳定、指标方向明确、时间限制、初始引导和防止奖励作弊，并展示实验树、分支和转向正在运行的搜索。最后用一个 Flappy Bird 控制器任务替换模型训练，配有隐藏验证集和编辑权限限制。