Agent Memory Bench

Agent Memory Bench 将 agent memory 的失败模式拆成 retraction、collision、recall、conflict 四类，并用 13 个场景离线跑榜。README 中 reference baseline 的差异很刺眼：`typed-constraint` 总分 92%，`keyword` 46%，`recency` 23%；作者指出传统检索相关性可能把三者看得差不多，但实际回答正确率完全不同。接口也很小，只需实现 `remember(text)` 和 `query(question)` 等方法即可接入。这个 benchmark 值得看，因为它把“记住了什么”从向量相似度问题拉回事实时效、实体绑定和冲突消解问题。