PM-Bench: Evaluating Prospective Memory in LLM Agents

PM-Bench 测的是 agent 是否能先记住一个未来意图，再等到文本环境中 cue 或状态出现时执行。这个设计把 prospective memory 拆成可观察错误：过早执行、遗忘、触发后漏做，和持续任务中的上下文漂移。它值得关注的地方是评测对象不是问答知识，而是 agent 在时间展开任务中的承诺保持能力。