据机器之心报道，来自加州大学圣塔芭芭拉分校、斯坦福大学、苏黎世联邦理工学院、约翰斯·霍普金斯大学、卡内基梅隆大学和 J.P. Morgan Chase 的研究者联合提出多模态智能体记忆评测基准 WorldMemArena。论文共同第一作者 Chengzhi Liu 与 Yuzhe Yang 均来自 UCSB，论文已被 NeurIPS 2026 接收。该基准把记忆放入“观察—行动—环境反馈”循环，并将长期记忆拆为写入、维护、检索和使用四个环节，包含 400 项以上多会话任务、24,258 组问答以及 15,595 张图像或截图。论文结果显示，M2A 记忆召回率达 86.83%，但最终问答正确率仅 50.14%；MemGPT 两项数值分别为 85.20% 和 57.81%，且系统往往倾向于追加新记忆而非修订旧记忆，视觉信息在跨模态推理中也未被可靠使用。