HABIT-Bench：评测八种记忆系统的用户习惯推断能力，最佳准确率仅 33.61%

上海交大 LUMIA Lab 等发布 HABIT-Bench，评测 LLM 智能体记忆系统从稀疏对话中归纳并应用用户习惯的能力。团队使用 Qwen3-235B-A22B 和 GLM-5.3-Flash 测试 8 种记忆方法，最佳方法的四领域宏平均准确率仅为 33.61%，随机基线为 25%。代码与数据集已开源。