Recallr LongMemEval, दीर्घकालिक स्मृति के मानक परीक्षण में 86.7% स्कोर करता है।
हर सवाल में लगभग 48 पहले के चैट्स में एक डिटेल छुपी होती है, करीब 490 संदेशों के आसपास, फिर उसे वापस पूछा जाता है। इससे Recallr उन मेमोरी सिस्टम्स की श्रेणी में आता है जिन्हें AI डेवलपर्स बनाते हैं।
- इस सूची में एकमात्र उपभोक्ता ऐप। बाकी डेवलपर्स के लिए मेमोरी सिस्टम हैं जिन्हें वे अपने उत्पादों में जोड़ते हैं।
- तेज़, कम लागत वाले रोज़मर्रा के मॉडल से टेस्ट किया गया। यहाँ कुछ नतीजे बड़े मॉडल से लिए गए हैं।
86.7%104 में से 120 सवाल
मेमोरी सिस्टम की सीमा में जिन पर AI डेवलपर्स काम करते हैं।
प्रकाशित LongMemEval स्कोर, हर टीम के सर्वश्रेष्ठ परिणाम पर, किस तरह के AI मॉडल ने जवाब दिया और स्रोत का लिंक।
- 1मास्ट्रा पर्यवेक्षण स्मृतिAI एजेंट्स के लिए मेमोरी (ओपन सोर्स)94.9%एक छोटा जनरल मॉडलमास्ट्रा अनुसंधान, फरवरी 2026 · 84.23% एक पुराने जनरल मॉडल के साथ
- 2पश्चातदृष्टिAI एजेंट्स के लिए मेमोरी (रिसर्च)91.4%एक बड़ा बैकबोन मॉडलLatimer et al., arXiv, दिसंबर 2025 · 83.6% एक ओपन-सोर्स 20B मॉडल के साथ
- 3Recallrउपभोक्ता ऐप, जैसा कि वह आता है86.7%एक तेज़ रोज़मर्रा का मॉडल
- 4EmergenceMemAI एजेंट्स के लिए मेमोरी86.0%एक आंतरिक मॉडलEmergence AI ब्लॉग, जून 2025 · सार्वजनिक रूप से पुनरुत्पादित नहीं; इसकी सार्वजनिक विधि ने एक पुराने जनरल मॉडल के साथ 82.4% स्कोर किया
- 5सुपरमेमोरीAI ऐप्स के लिए मेमोरी API85.2%एक बड़ा जनरल मॉडलसुपरमेमोरी अनुसंधान · 84.6% एक अन्य बड़े जनरल मॉडल के साथ
- 6ZepAI एजेंट्स के लिए मेमोरी71.2%एक पुराना जनरल मॉडल
- 7एक AI मॉडल जो पूरी हिस्ट्री पढ़ता हैकोई मेमोरी सिस्टम नहीं: हर प्रॉम्प्ट में पूरा ~115,000-टोकन इतिहास60.6%एक पुराना जनरल मॉडल
सप्ताह या महीनों बाद नए चैट में पूछा गया।
Recallr के चार सही जवाब, शब्दशः। लोग और उनकी पिछली बातचीत खुद परीक्षण के हैं।
पहले about 8 months का उल्लेख किया गया था
मेरे पास वर्तमान में कितनी साइकिलें हैं?
चार। 2 अक्टूबर के आपके संदेश में आपने कहा था कि आपने अभी एक नया हाइब्रिड बाइक खरीदा है, तो अब आपके पास रोड बाइक, माउंटेन बाइक, कम्यूटर बाइक और वह हाइब्रिड है - जो फरवरी 15 को बताए गए तीन से बढ़कर है।
पहले about 4 months का उल्लेख किया गया था
मेरी दोस्त एम्मा ने मुझे नेग्रोनी बनाना सिखाने के बाद से मैंने घर पर कितनी बार नेग्रोनी बनाने की कोशिश की?
दस बार - तुमने ये मुझे 15 अक्टूबर 2026, गुरुवार को बताया था। (जून में तुमने कहा था पाँच, तो अब दोगुना कर दिया है।)
पहले 3 weeks का उल्लेख किया गया था
Ticket to Ride में मेरा वर्तमान उच्चतम स्कोर क्या है?
132 अंक - आपने यह 4 अक्टूबर, 2026 को स्काइथ गेम-नाइट चैट के दौरान बताया था। यह आपके 1 अक्टूबर के 124 अंकों से बेहतर था।
पहले 4 weeks का उल्लेख किया गया था
मेरे हर्ब गार्डन को पानी देने की शुरुआत और पहली ताजी जड़ी-बूटियाँ काटने के बीच कितने दिन बीते?
24 दिन - आपने 23 सितंबर, 2026 से रोजाना पानी देना शुरू किया और 17 अक्टूबर, 2026 को पहली फसल ली।
परीक्षा, और हमने इसे कैसे चलाया।
- परीक्षा
- LongMemEval (Wu et al., ICLR 2025) जांचता है कि क्या एक चैट सहायक कई बातचीतों में आपने जो बताया उसे याद रखता है: तथ्य जो आपने बताए, बाद में जो बदला, तारीखें, आपकी पसंद, और उसने आपको क्या बताया। इसका "S" सेट हर सवाल को 48 पहले की बातचीतों में खोजने देता है। पेपर.
- Recallr
- Recallr का वर्तमान संस्करण, जैसा कि वह आता है, October 2026 पर परीक्षण किया गया। हर प्रश्न के पुराने चैट एक नए अकाउंट में पिछले चैट के रूप में लोड किए गए; फिर प्रश्न नए चैट में पूछा गया।
- प्रश्न
- 120 में से 500, सेट के साफ-सुथरे संस्करण से उसके छह प्रकारों में से समान 20।
- AI मॉडल
- एक तेज़, किफायती रोज़मर्रा के मॉडल ने हर सवाल का जवाब दिया; Recallr इन्हीं AI मॉडल्स में से एक का इस्तेमाल करता है। हर जवाब को ब्लाइंड ग्रेड किया गया, बेंचमार्क के अपने आंसर-चेक प्रॉम्प्ट्स और ग्रेडर मॉडल के साथ।
- अन्य सिस्टम
- उसी परीक्षण पर उनके प्रकाशित परिणाम, 6 स्रोत, 20 अक्टूबर 2026 को जांचे गए। चार्ट को रेस नहीं बल्कि रेंज के रूप में पढ़ें: हर सिस्टम ने अलग AI मॉडल से जवाब दिया, और उन्होंने सभी 500 प्रश्नों को चलाया।
जानना अच्छा है।
अभी भी जिज्ञासु? कोने में Recallr से पूछें, या support@recallr-ai.org पर लिखें।
01LongMemEval क्या है?
चैट असिस्टेंट्स में दीर्घकालिक स्मृति के लिए मानक बेंचमार्क, ICLR 2025 में प्रकाशित। इसके 500 प्रश्नों में से हर एक के साथ दर्जनों पूर्व बातचीत होती हैं और यह उनमें से एक विवरण के बारे में पूछता है, इसलिए असिस्टेंट को आपकी कही बात ढूंढनी और उपयोग करनी होती है, अनुमान नहीं लगाना।
02क्या Recallr की मेमोरी ऐप में भी समान है?
हाँ। टेस्ट वर्तमान Recallr संस्करण पर चलाया गया था जैसा कि यह आता है: वही याददाश्त, तुम्हारे पिछले चैट्स में वही खोज, वही जवाब जांच।
03क्यों 120 सवाल और सभी 500 नहीं?
हर सवाल को दर्जनों पहले के चैट्स वाले अपने अकाउंट की जरूरत होती है, इसलिए हमने टेस्ट के छह प्रकारों में से हर एक से बराबर 20 चलाए। जब Recallr का नया वर्शन आता है, तो हम इसे फिर से चलाते हैं और यह पेज अपडेट होता है।
एक बार बताएं।
महीनों बाद पूछें।
आज जो जरूरी है सेव करें। जब जरूरत हो पूछें।
मुफ्त में शुरू करें। कोई कार्ड आवश्यक नहीं।