# EMem-Bench具身记忆基准

浙江大学 OmniAI 团队提出 EMem-Bench 长程具身记忆基准（2,554 个可执行 episode，覆盖被动观察、动态追踪、交互失败、经验泛化四类任务），并给出外部记忆系统 EMem 与 8B 策略 EMem-8B；评测 16 个开源与专有 MLLM 及多种多模态记忆系统后发现，最强专有模型 Gemini-3-Flash 平均成功率仅 64.2%，多数开源模型低于 45%，而 EMem 在匹配骨干下取得最佳总体表现，使 Mistral-Small-3.1-24B 提升 16.4 个百分点、GPT-5.4-mini 提升 23.6 个百分点，EMem-8B 相对 Qwen3-VL-8B 提升 20.6 个百分点。

浙江大学 OmniAI 团队提出 EMem-Bench 长程具身记忆基准（2,554 个可执行 episode，覆盖被动观察、动态追踪、交互失败、经验泛化四类任务），并给出外部记忆系统 EMem 与 8B 策略 EMem-8B；评测 16 个开源与专有 MLLM 及多种多模态记忆系统后发现，最强专有模型 Gemini-3-Flash 平均成功率仅 64.2%，多数开源模型低于 45%，而 EMem 在匹配骨干下取得最佳总体表现，使 Mistral-Small-3.1-24B 提升 16.4 个百分点、GPT-5.4-mini 提升 23.6 个百分点，EMem-8B 相对 Qwen3-VL-8B 提升 20.6 个百分点。