SubtleMemory: A Benchmark for Fine-Grained Relational Memory Discrimination in Long-Horizon AI Agents

SubtleMemory 考察长期记忆之间的互补、细微差异和矛盾关系，而不是单条事实命中率。基准包含 1,522 个 evaluation instances、10 条长历史和 1,090 组 relation-controlled memory variants，并覆盖用户相关与非用户相关查询。现有独立记忆系统、Claw-style 原生记忆和插件式记忆在关系辨析上都偏弱，说明“记住了相似内容”还不足以支撑长期助手。