基准
Trek-Memory
基于 HomeBench 扩展的智能家居指令评测数据集，引入多轮对话历史并要求解析代词指代与省略，评估对话记忆能力
时间轴 (近 90 天)
11月3日
Trail团队在HomeBench基础上扩展出三个数据集：Trek-Base（测试语言多样性）、Trek-Robust（评估环境变化鲁棒性）、Trek-Memory（评估多轮对话记忆能力）。
待验证50%
11月3日
借助记忆模块，Trail能解决75.6%依赖前几轮对话的请求，而微调基线在给定对话历史时只有42.5%。
待验证50%