Musolsol.𝟎𝐱𝐔(@MMMusol):最近一直在使用personal agent，从模型侧的角度来看的话，面向 personal agent 强调了两项能力： 1. Active Memory：跨对话记住与你有关的信息，需要时调用，对应内部的 MemoryBench 2. Active Focus：围绕目标持续推进、遇到阻碍换方法、该问时问、重要操作前先确认，对应内部的 FocusBench。一直在思考如果来为 personal agent 做 benchmark，老师们觉得最该测什么？ Memory + Focus 这个组合之外是否还有什么更细或者更novel的拆分方式呢？现在想到的是还需要主动性，比如说提醒我下雨了收衣服，即便我没有告诉他要提醒我，当然前提是我有晾衣服在外面 bench 需要提供环境变化作为上下文，和 anti-nerdy，让它说人话，有边界感，不招人烦

2026.10.18 02:21

最近一直在使用personal agent，从模型侧的角度来看的话，面向 personal agent 强调了两项能力： 1. Active Memory：跨对话记住与你有关的信息，需要时调用，对应内部的 MemoryBench 2. Active Focus：围绕目标持续推进、遇到阻碍换方法、该问时问、重要操作前先确认，对应内部的 FocusBench。一直在思考如果来为 personal agent 做 benchmark，老师们觉得最该测什么？ Memory + Focus 这个组合之外是否还有什么更细或者更novel的拆分方式呢？现在想到的是还需要主动性，比如说提醒我下雨了收衣服，即便我没有告诉他要提醒我，当然前提是我有晾衣服在外面 bench 需要提供环境变化作为上下文，和 anti-nerdy，让它说人话，有边界感，不招人烦