**HABIT-Bench：评估智能体从纵向弱证据中归纳用户习惯的能力**

_HABIT-Bench: Evaluating Habit Induction from Longitudinal Weak Evidence in Agent Memory_

> 针对长期交互中智能体难以从碎片化行为中准确推断用户习惯的难题，研究团队推出了 HABIT-Bench 基准测试。该基准基于合成用户历史数据，涵盖食品、金融、软件及旅行四大领域，通过四选任务评估智能体记忆系统在弱证据下的习惯归纳与执行能力。实验结果显示，即便使用 Qwen3-235B 和 GLM-5.3-Flash 等先进模型，最佳记忆方法的宏观准确率仅为 33.61%，揭示了单纯保留过往交互记录并不足以让智能体有效习得并应用用户习惯。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-28 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.24520)