Recallr LongMemEval এ 86.7% স্কোর করে, যা দীর্ঘমেয়াদী স্মৃতির মানদণ্ড।
প্রতিটি প্রশ্ন প্রায় 48 পূর্বের চ্যাট থেকে একটি বিস্তারিত লুকায়, প্রায় 490 বার্তা, তারপর তা ফেরত চায়। এটা Recallr কে AI ডেভেলপারদের স্মৃতি সিস্টেমের পর্যায়ে নিয়ে যায়।
- এই তালিকার একমাত্র কনজিউমার অ্যাপ। বাকিগুলো ডেভেলপারদের জন্য স্মৃতি সিস্টেম যা তারা নিজেদের পণ্যে সংযুক্ত করে।
- দ্রুত, কম খরচের দৈনন্দিন মডেল দিয়ে পরীক্ষা করা হয়েছে। এখানে কিছু ফলাফল বড় মডেল দিয়ে পাওয়া।
86.7%104 এর মধ্যে 120 প্রশ্ন
স্মৃতি সিস্টেমের পরিসরে যা AI ডেভেলপাররা তৈরি করেন।
প্রকাশিত LongMemEval স্কোর, প্রতিটা টিমের সেরা ফলাফলে, কোন ধরনের এআই মডেল উত্তর দিয়েছে আর সোর্সের লিঙ্কসহ।
- 1মাস্তা পর্যবেক্ষণ স্মৃতিAI এজেন্টদের জন্য মেমরি (ওপেন সোর্স)94.9%ছোট সাধারণ মডেলমাস্তা গবেষণা, ফেব্রুয়ারি ২০২৬ · ৮৪.২৩% পুরনো এক সাধারণ মডেলে
- 2পশ্চাৎদৃষ্টিAI এজেন্টদের জন্য মেমরি (গবেষণা)91.4%একটি বড় ব্যাকবোন মডেলLatimer et al., arXiv, ডিসেম্বর ২০২৫ · ৮৩.৬% একটি ওপেন-সোর্স ২০বি মডেলের সঙ্গে
- 3Recallrভোক্তা অ্যাপ, যেভাবে এটি সরবরাহ করা হয়86.7%দ্রুত দৈনন্দিন মডেল
- 4EmergenceMemAI এজেন্টদের জন্য মেমরি86.0%একটি অভ্যন্তরীণ মডেলEmergence AI ব্লগ, জুন ২০২৫ · পাবলিকভাবে পুনরুত্পাদনযোগ্য নয়; এর পাবলিক পদ্ধতি পুরনো এক সাধারণ মডেলে ৮২.৪% স্কোর করেছে
- 5সুপারমেমরিAI অ্যাপের জন্য মেমরি API85.2%বড় সাধারণ মডেলসুপারমেমরি গবেষণা · ৮৪.৬% আরেকটি বড় সাধারণ মডেলে
- 6ZepAI এজেন্টদের জন্য মেমরি71.2%পুরনো সাধারণ মডেল
- 7একটি এআই মডেল পুরো ইতিহাস পড়ছেমেমরি সিস্টেম নেই: প্রতিটি প্রম্পটে সম্পূর্ণ ~১১৫,০০০-টোকেন ইতিহাস60.6%পুরনো সাধারণ মডেল
নতুন চ্যাটে প্রশ্ন করা হয়েছে, সপ্তাহ বা মাস পরে।
Recallr-এর চারটি সঠিক উত্তর, শব্দশঃ। মানুষ এবং তাদের পূর্বের চ্যাটগুলো পরীক্ষার নিজস্ব।
আগে about 8 months প্রথম উল্লেখ করা হয়েছে
আমি বর্তমানে কতগুলো সাইকেল মালিক?
চারটি। তোমার ২ অক্টোবরের বার্তায় বলেছিলে তুমি নতুন একটি হাইব্রিড বাইক কিনেছো, তাই এখন তোমার আছে একটি রোড বাইক, মাউন্টেন বাইক, কমিউটার বাইক আর সেই হাইব্রিড - যা ফেব্রুয়ারি ১৫ তারিখে বলেছিলে তিনটির থেকে বেশি।
আগে about 4 months প্রথম উল্লেখ করা হয়েছে
আমার বন্ধু Emma আমাকে Negroni বানানো শিখানোর পর থেকে আমি ঘরে কতবার Negroni বানানোর চেষ্টা করেছি?
দশবার - আপনি আমাকে ২০২৬ সালের ১৫ অক্টোবর বৃহস্পতিবার এ কথা বলেছিলেন। (জুনে বলেছিলেন পাঁচটি, তাই এখন দ্বিগুণ করেছেন।)
আগে 3 weeks প্রথম উল্লেখ করা হয়েছে
Ticket to Ride-এ আমার বর্তমান সর্বোচ্চ স্কোর কত?
১৩২ পয়েন্ট—আপনি ৪ অক্টোবর, ২০২৬-এ স্কাইথ গেম-নাইট চ্যাটে এটি উল্লেখ করেছিলেন। এটি আপনার আগের ১২৪ পয়েন্ট (১ অক্টোবর) ছাড়িয়ে গেছে।
আগে 4 weeks প্রথম উল্লেখ করা হয়েছে
আমি যখন আমার হার্ব গার্ডেনে পানি দেওয়া শুরু করেছিলাম এবং প্রথমবার তাজা হার্ব কাটা পর্যন্ত কত দিন পেরিয়েছে?
২৪ দিন—আপনি ২৩ সেপ্টেম্বর, ২০২৬ থেকে প্রতিদিন জল দিয়েছেন এবং ১৭ অক্টোবর, ২০২৬-এ প্রথম ফসল তুলেছেন।
পরীক্ষা, এবং আমরা কিভাবে চালিয়েছি।
- পরীক্ষা
- LongMemEval (Wu et al., ICLR 2025) পরীক্ষা করে একটি চ্যাট সহকারী কতটা মনে রাখে আপনি তাকে অনেক কথোপকথনের মধ্যে যা বলেছিলেন: আপনি উল্লেখ করা তথ্য, পরে যা পরিবর্তিত হয়েছে, তারিখ, আপনার পছন্দ এবং যা সে আপনাকে বলেছে। এর "S" সেট প্রতিটি প্রশ্ন দেয় 48 পূর্ববর্তী চ্যাটের জন্য অনুসন্ধানের। পেপারটি.
- Recallr
- Recallr-এর বর্তমান সংস্করণ, ঠিক যেভাবে সরবরাহ করা হয়, পরীক্ষা করা হয়েছে October 2026। প্রতিটি প্রশ্নের পূর্ববর্তী চ্যাটগুলি একটি নতুন অ্যাকাউন্টে অতীত চ্যাট হিসেবে লোড করা হয়েছিল; তারপর নতুন চ্যাটে প্রশ্ন করা হয়।
- প্রশ্নগুলো
- 120 এর মধ্যে ৫০০, প্রতিটি ছয় ধরনের থেকে সমান 20, সেটের পরিস্কার সংস্করণ থেকে।
- এআই মডেল
- একটি দ্রুত, কম খরচের দৈনন্দিন মডেল প্রতিটি প্রশ্নের উত্তর দিয়েছে; Recallr-এ ব্যবহৃত এআই মডেলগুলোর একটি এটি। প্রতিটি উত্তর ব্লাইন্ডভাবে গ্রেড করা হয়েছে, বেঞ্চমার্কের নিজস্ব চেক প্রম্পট ও গ্রেডার মডেল দিয়ে।
- অন্যান্য সিস্টেম
- তাদের নিজস্ব প্রকাশিত ফলাফল একই পরীক্ষায়, 6 উৎস, ২০ অক্টোবর ২০২৬ তারিখে যাচাই করা হয়েছে। চার্টটি একটি পরিসর হিসেবে দেখো, প্রতিযোগিতা নয়: প্রতিটি সিস্টেম ভিন্ন AI মডেল দিয়ে উত্তর দিয়েছে, এবং তারা সব ৫০০ প্রশ্ন চালিয়েছে।
জানা ভালো।
এখনো কৌতূহল আছে? কোণে Recallr-কে জিজ্ঞাসা করো, অথবা লিখো support@recallr-ai.org-এ।
01LongMemEval কী?
চ্যাট সহকারী দের দীর্ঘমেয়াদী স্মৃতির জন্য মানদণ্ড, ICLR ২০২৫ এ প্রকাশিত। এর ৫০০ প্রশ্নের প্রতিটির সাথে রয়েছে পূর্ববর্তী বহু কথোপকথন এবং প্রতিটি প্রশ্নে একটি বিস্তারিত জানতে চাওয়া হয়, তাই সহকারীকে তোমার বলা তথ্য খুঁজে ব্যবহার করতে হয়, অনুমান করতে নয়।
02Recallr-এর স্মৃতি কি অ্যাপে একই থাকে?
হ্যাঁ। পরীক্ষা চলতি Recallr সংস্করণে করা হয়েছে যেমনটি সরবরাহ করা হয়: একই স্মৃতি, অতীত চ্যাটের একই অনুসন্ধান, একই উত্তর যাচাই।
03কেন ১২০ প্রশ্ন, সব ৫০০ নয়?
প্রতিটি প্রশ্নের জন্য নিজের একাউন্ট দরকার, যেখানে কয়েক ডজন পূর্বের চ্যাট থাকে, তাই আমরা পরীক্ষার ছয় ধরনের প্রতিটি থেকে সমান 20 চালিয়েছি। Recallr এর নতুন সংস্করণ আসলে আবার চালানো হয় এবং এই পৃষ্ঠা আপডেট হয়।
একবার বলো।
মাস পরেও জিজ্ঞাসা করো।
আজ যা গুরুত্বপূর্ণ তা সেভ করুন। যখন দরকার তখন জিজ্ঞাসা করুন।
বিনামূল্যে শুরু করুন। কার্ডের দরকার নেই।