当前多模态大模型的长期记忆能力缺乏统一评测标准，难以应对真实交互场景。一项新研究通过构建 Mem-Gallery 基准，对13种主流记忆方法进行系统性评测，揭示了现有模型的能力边界，并得出“少而精”的记忆策略优于“大而全”的堆砌等颠覆性结论，为多模态Agent的记忆设计提供了新视角。
智能速览
新基准 Mem-Gallery 将长期记忆视为持续演化系统，覆盖多会话图文混合场景。
实验显示，多模态记忆架构并非越复杂越好，简单模型有时优于复杂设计。
现有方法在知识更新、冲突检测等推理任务上表现普遍偏低，是最大短板。
多模态记忆在存储与检索上存在显著效率瓶颈，计算成本远高于文本方法。
研究发现，检索少量高质量记忆比大量泛化检索更能提升下游任务性能。
精华内容
为了深入理解Mem-Gallery的评测结果，需要剖析当前多模态记忆技术的核心瓶颈。该研究通过对13种模型的严谨对比，得出了一系列发人深省的结论。
架构越优越？
普遍认为更复杂的多模态记忆架构能带来更好的性能，但Mem-Gallery的评测结果挑战了这一认知。实验表明，显式保留多模态记忆确实是必要的，但过度的架构复杂度并不必然带来性能提升。评测中，一些简单的现有模型在整体表现上反而优于多种复杂设计。这说明当前的研究重点可能需要从堆砌架构转向更本质的机制优化。
推理之困
评测揭示了所有模型在高级推理能力上的普遍短板。在知识更新、冲突检测与拒答这类需要精确状态维护和逻辑判断的任务中，无论是文本还是多模态方法，表现都普遍偏低。值得注意的是，即使使用更强大的Backbone模型，带来的收益也相当有限。这表明问题的本质在于记忆状态本身的建模和维护方式，而非模型的生成能力。
效率之殇
多模态记忆面临严峻的效率挑战。评测数据显示，其在存储与检索上的计算开销显著高于纯文本方法。即便是相对简单的多模态方案，其计算成本也已经接近设计复杂的文本记忆系统。这一效率瓶颈严重限制了多模态记忆在需要长期运行和实时响应的Agent系统中的实际可用性，成为其落地应用的主要障碍。
少即是多
研究通过对比不同检索数量K对下游任务性能的影响，得出了一个重要结论。随着检索条目K的增大，虽然Recall（召回率）持续上升，但Precision（精确率）却明显下降。下游任务的最终性能在K值约为10时便趋于饱和，甚至出现退化。这清晰地揭示了“多而杂”的记忆检索反而会干扰模型推理，验证了“少而高质量”的相关记忆优于“大而全”的信息堆叠。
Mem-Gallery基准的评测结果，为多模态长期记忆研究指明了新方向。它揭示了当前研究过度追求模型复杂度和检索规模的误区，强调了记忆结构化推理与有效维护机制的重要性。未来，如何设计出既高效又能处理复杂冲突的记忆系统，将是实现真正智能Agent的关键。
