你的 AI 助手记不住你的习惯:一份新基准,把遮羞布扯了下来

缺口留着聊天记录，不等于读懂了你。

📌 本文看点

你有没有这种感觉：同一个 AI 助手，聊了十几轮，还是记不住你「不吃香菜」「周五不开会」这种小事。一份刚出来的基准 HABIT-Bench，把这件事量化了——而且结果有点扎心。

它由上海交大、上海 AI 实验室和复旦的团队提出，专门考智能体记忆系统：能不能从你零碎的选择里，推断出你的习惯，并在之后的请求里用对。

记住不等于理解

基准造了几百段跨会话的虚拟用户历史，覆盖吃饭、理财、软件、出行，再用四选一任务考 Agent：它能不能推断出习惯、会不会踩「临时例外」「习惯变了」「你没接受的提议」这些坑。八个记忆方案、用 Qwen3 和 GLM 跑下来，最好的方法四个领域平均才 33.61% 准。

关键不在「没存够」。即使把标注好的证据直接喂给它，成绩依然上不去——说明瓶颈在「推断和应用」，不在「存取」。长期记忆这道关，卡的是理解，不是容量。

别把它当成「AI 不行了」的证据。恰恰相反，它划清了边界：现在的 Agent 擅长一次性对话，难在跨时间理解一个会变的人。哪天你的助手真能「懂你」，靠的是这一步，不是多塞几条记录。

对你来说，这直接关系到体验：你越常用一个 AI，越希望它记得你的偏好、少问废话。可「被记住」的另一面是「被揣测」——习惯这东西，你愿意让 AI 学到多深？

你希望 AI 助手记住你的习惯吗，还是觉得细思极恐？评论区聊聊你的边界感。

我是魔法瓜瓜，15年云计算和AI从业者，热衷于分享 AI 观察与干货！

如果你喜欢本文章，欢迎点赞、转发、推荐。

你的观点，欢迎写在评论区，一起讨论。

关注账号，第一时间接收新文章。