Remory 用残差记忆令牌补足摘要，在 SummHay 上把引用 F1 提升 4.04 分并逼近全上下文联合得分
Remory 训练一个神经记忆网络，在生成的摘要之后追加一段有界的软记忆令牌，帮助冻结的 LLM 逼近使用完整历史时的续写；在 SummHay 上以约 5.2% 的输入位置把引用 F1 提升 4.04 分、联合得分提升 3.55，并在 Qwen3.8-27B 与 GLM-5.3-Flash 的长程智能体基准上取得一致增益，同时减少重复工具输出与工具错误。
Argo-Bench 用 235 张表、75 亿行的模拟外卖仓库考核数据智能体，最强模型仅解出 34.8% 任务
研究者构建了 Argo-Bench：把 2024 年纽约市外卖平台模拟成一个 235 张表、74.9 亿行、按 Oracle E-Business Suite 模式导出的企业仓库，并让智能体通过提交封禁账号、分配激励预算、提交预测等“行动”接受评分，评分依据模拟器的隐藏真实状态；14 个前沿与开源模型中最强的 Claude Opus 5.5 仅解出 34.8% 的任务、平均 59.5 分。
已读完全部报道