DreamBench-SWE: A Multi-Session Memory-Hygiene Benchmark for Software Agents

benchmark 用 hidden oracle 把“记住了文本”与“真的能完成依赖前会话证据的任务”分开计分；successor 中 typed-plus-raw probe 通过率 0.4611，固定 hosted Mem0 配置为 0.5389。论文明确这些数字刻画的是一个配置和可区分的测试剖面，不足以证明外部记忆机制的普遍优越性。