如果记忆里压根没有那段画面，视频助手会老实说不知道，还是照样编一个答案？

APM-Bench 里专门测了这件事。场景是智能眼镜这类设备：用户关掉，过几小时甚至几天再打开，之前的画面不会重放，助手只能靠存下来的记忆回答。存储有限，总有东西会丢。

他们挑了 260 道跨 session 的题，只让模型看最近两个已经结束的 session。一半题的证据就在这两段里，另一半的证据在更早的 session，已经看不到了。每题除了四个选项，还多给一个“现有证据不足”，题目里也附了大致的时间范围，按理说模型是有线索判断的。

Gemini 3.6 Flash 在证据还在的那半边答对 85.38%，挺强。可证据不在的时候，只有 59.23% 选了证据不足，剩下四成左右还是挑了一个具体答案 😅 Qwen3.8-27B 这一项更低，46.92%。

作者的建议是让记忆系统把自己覆盖了哪段时间显式标出来，助手据此决定答不答。我觉得这个思路搬到文本 agent 的长期记忆上也成立，那边一样有“记忆被压缩过、但模型不知道丢了什么”的问题。

对照组 SimpleStream 只看最近 4 帧，证据不足那边拿了 95.38%，证据在的那半边只有 3.85%，基本是见题就说不知道。

论文：https://arxiv.org/pdf/2609.37559

#人工智能 #大模型 #深度学习 #计算机视觉