EvoArena

EvoArena 把 agent 评测从静态环境推向持续变化环境，更新序列覆盖 terminal、software 和 social preference 三个域。论文给出 patch-based memory paradigm EvoMem，把环境变化记录成结构化 update histories；当前 agents 在 EvoArena 平均准确率只有 39.6%，EvoMem 平均提升 1.5%，并在 GAIA、LoCoMo 上分别提升 6.1% 和 4.8%。这条适合关注长期 agent 的人看，因为它把“记忆是否随环境演化”拆成 benchmark 和 memory substrate 两层。