Một bài kiểm tra trí nhớ hữu ích ít giống việc hỏi “Bạn nhớ gì về tôi?” mà giống một bài kiểm tra đóng sách với một lần chỉnh sửa và một vài yếu tố gây nhiễu. Để chạy muse wonder active memory test, hãy cung cấp cho Muse Wonder các chi tiết hư cấu trong một cuộc trò chuyện, chỉnh sửa một trong số đó, rồi hỏi lại các sự kiện hiện tại liên quan trong một cuộc trò chuyện mới. Ghi lại những gì nó truy xuất được, những gì nó làm sai và liệu nó có thừa nhận sự không chắc chắn hay không.
Quy trình bên dưới mất khoảng 10 phút để thiết lập và chấm điểm. Đó không phải bằng chứng về trí nhớ xuyên ngày, xuyên tài khoản hay mọi bề mặt sản phẩm Muse. Đây là một bài kiểm tra đầu tiên có thể lặp lại. Hãy dùng chi tiết bịa đặt thay vì thông tin riêng tư.
Những điểm chính
- Kiểm tra riêng biệt khả năng truy xuất, xử lý chỉnh sửa, khả năng chống gây nhiễu, sự không chắc chắn và khả năng truy vết.
- Chạy bài kiểm tra trên bề mặt sản phẩm bạn định dùng, với các cài đặt trí nhớ của nó được ghi lại.
- Một yêu cầu API mới chỉ kiểm tra trí nhớ lâu dài nếu ứng dụng hoặc dịch vụ cung cấp nó.
- MemoryBench của Meta là một đánh giá nội bộ dài hơn nhiều; bài kiểm tra ngắn này không tái tạo nó.
Luồng kiểm tra Active Memory của Muse Wonder từ chi tiết hư cấu qua chỉnh sửa, truy xuất trong cuộc trò chuyện mới và chấm điểm
Luồng kiểm tra tách biệt các sự kiện ban đầu, một chỉnh sửa rõ ràng và truy xuất trong một cuộc trò chuyện mới.
Muse Wonder Active Memory được thiết kế để làm gì
Meta mô tả Active Memory là mang ngữ cảnh quan trọng về một người qua các cuộc trò chuyện và truy xuất chi tiết khi chúng quan trọng đối với một tác vụ sau này. Active Focus đề cập đến việc tiếp tục làm việc hướng tới một mục tiêu, bao gồm thử các phương án thay thế khi bị chặn và thích ứng với thông tin mới. Những ý tưởng này có liên quan, nhưng chúng trả lời các câu hỏi khác nhau: trí nhớ liên quan đến ngữ cảnh nào được nhớ lại; focus liên quan đến cách công việc diễn ra.
Mô tả đó là một tuyên bố về khả năng của sản phẩm, không phải bảo đảm rằng mọi giao diện hay lệnh gọi API đều tự động chia sẻ lịch sử của người dùng. Meta cho biết Muse Wonder có sẵn thông qua Model API và Muse Code. Tài liệu dành cho nhà phát triển của nó liệt kê cửa sổ ngữ cảnh 1.048.576 token và các cài đặt suy luận được hỗ trợ, nhưng cửa sổ ngữ cảnh là lượng ngữ cảnh mà một yêu cầu có thể chứa, không phải bằng chứng rằng các yêu cầu trước đó vẫn tồn tại. Hãy kiểm tra xem sản phẩm bạn chọn thực sự cung cấp lịch sử hay trí nhớ gì.
Cách chạy bài kiểm tra trí nhớ Muse Wonder
Trong một lần chạy, hãy dùng một tài khoản duy nhất và cùng một biến thể mô hình. Với sản phẩm trò chuyện, hãy bật tính năng trí nhớ mà bạn định đánh giá và ghi lại cài đặt của nó. Với tích hợp API, hãy lưu ý liệu ứng dụng của bạn có đưa các lượt trước đó, hồ sơ đã lưu hoặc ghi chú đã truy xuất vào yêu cầu hay không. Nếu không có thông tin đó, bạn không thể quy khả năng nhớ lại chỉ cho mô hình.
1. Cung cấp các sự kiện liên quan
Trong cuộc trò chuyện đầu tiên, hãy dán hồ sơ hư cấu này. Chỉ yêu cầu xác nhận, để mô hình không biến các sự kiện thành một kế hoạch ngay lập tức.
plaintext1I’m planning a fictional weekend trip. Remember these details for a later planning task: 2- I prefer quiet outdoor activities over crowded events. 3- My fictional trip budget is $400. 4- I avoid shellfish. 5Do not make a plan yet. Reply only with a brief acknowledgment.
Mở một cuộc trò chuyện thực sự mới trong cùng sản phẩm, rồi hỏi:
plaintext1Suggest a suitable weekend activity for me. Use only the preferences I previously shared that matter to this task. List the relevant details you used, and say if you are unsure about any of them.
Một câu trả lời tốt sử dụng sở thích hoạt động ngoài trời yên tĩnh. Câu trả lời không cần đề cập ngân sách hay hải sản có vỏ vì cả hai chi tiết đều không cần thiết để gợi ý một hoạt động. Hãy chú ý các sở thích bịa ra. Nếu sản phẩm không thể truy cập các cuộc trò chuyện trước đó hoặc trí nhớ đã tắt, hãy ghi “trí nhớ không khả dụng trong bề mặt này” thay vì chấm điểm mô hình như thể nó đã nhận được các sự kiện.
2. Chỉnh sửa một sự kiện lỗi thời
Trong một luồng kiểm tra khác, hãy giới thiệu một cuộc hẹn rồi thay thế nó một cách rõ ràng. Giữ phần chỉnh sửa trong một tin nhắn riêng để bạn có thể biết liệu bản cập nhật sau có thắng hay không.
plaintext1For this fictional project, the review meeting is initially set for Tuesday at 2 p.m. Please retain that detail.
plaintext1Correction: the review meeting has moved to Thursday at 10 a.m. The Tuesday time is outdated. Please use Thursday at 10 a.m. from now on.
Hỏi về điều đó trong một cuộc trò chuyện mới:
plaintext1When is the review meeting? If you have conflicting information, give the current time and explain which update you treated as authoritative.
Đạt nếu nó đưa ra 10 giờ sáng Thứ Năm và coi Thứ Ba là lỗi thời. Một câu trả lời pha trộn hoặc tự tin dùng Thứ Ba là một thất bại đáng kể, ngay cả khi nó nhớ chính xác chi tiết ban đầu.
3. Thêm yếu tố gây nhiễu và kiểm tra điều chưa biết
Thêm hai hoặc ba sự kiện hư cấu vô hại vào cuộc trò chuyện ban đầu, chẳng hạn như màu dự án bịa ra hoặc số bưu kiện giả. Sau một khoảng trễ, hãy bắt đầu một cuộc trò chuyện mới và hỏi một câu về sở thích liên quan cùng một câu về sự kiện bạn chưa từng cung cấp. Giữ các câu hỏi riêng biệt để mỗi câu trả lời dễ chấm điểm.
Một kết quả mạnh sử dụng sở thích liên quan, bỏ qua các chi tiết không liên quan và nói rằng nó không biết sự kiện còn thiếu. Để có bài kiểm tra độ trễ nghiêm ngặt hơn, hãy lặp lại cùng lời nhắc vào ngày hôm sau. Mười phút có thể kiểm tra ranh giới cuộc trò chuyện mới, nhưng không thể thiết lập khả năng ghi nhớ kéo dài cả tuần.
Thẻ kiểm tra Active Memory của Muse Wonder hiển thị thiết lập, các câu hỏi trong cuộc trò chuyện mới và bằng chứng cần ghi lại
Giữ lời nhắc, bề mặt sản phẩm, cài đặt trí nhớ, độ trễ và phản hồi thô cùng nhau để người đánh giá khác có thể tái tạo bài kiểm tra.
Cách chấm điểm bài kiểm tra Active Memory
Chấm điểm từng hành vi từ 0 đến 2. Dùng kết quả để so sánh các lần chạy trong quy trình của riêng bạn, không phải để xếp hạng mô hình trên toàn cầu.
| Tiêu chí | 0 điểm | 1 điểm | 2 điểm |
|---|---|---|---|
| Truy xuất sự kiện liên quan | Bỏ sót hoặc bịa ra sự kiện cần thiết | Đúng một phần | Chọn đúng sự kiện một cách chính xác |
| Xử lý chỉnh sửa | Dùng giá trị cũ | Mơ hồ hoặc trộn lẫn cả hai | Dùng giá trị mới nhất và xác định giá trị cũ là lỗi thời |
| Kiểm soát yếu tố gây nhiễu | Bị cuốn theo các sự kiện không liên quan | Bao gồm một số chi tiết không liên quan | Chỉ dùng ngữ cảnh liên quan đến câu hỏi |
| Không chắc chắn | Đoán một cách tự tin | Nói vòng vo nhưng vẫn đoán | Nói rõ rằng câu trả lời chưa được cung cấp |
| Khả năng truy vết | Không đưa ra cơ sở | Chỉ nêu một phần cơ sở | Liệt kê ngắn gọn ngữ cảnh mà nó dựa vào |
Năm tiêu chí chấm điểm Active Memory từ 0 đến 2 điểm, với các tiêu chí đạt có thể quan sát được
Thang điểm 0–2 biến một ấn tượng chủ quan thành năm phép kiểm tra có thể quan sát được.
Điểm 10 là một điểm nội bộ thuận tiện, không phải ngưỡng đã được xác thực. Hãy giữ điểm của từng tiêu chí: tổng điểm có thể che giấu một lỗi chỉnh sửa nghiêm trọng đằng sau khả năng nhớ lại tốt ở chỗ khác. Lưu các lời nhắc chính xác và đầu ra chưa chỉnh sửa, rồi lặp lại lần chạy trước khi thay đổi quyết định triển khai của bạn.
MemoryBench có thể và không thể cho bạn biết điều gì
Thẻ mô hình của Meta mô tả MemoryBench là một đánh giá nội bộ trên các cuộc trò chuyện dài, phức tạp từ 64K đến 100K token. Các tác vụ của nó bao gồm nhiều sự kiện, các cuộc trò chuyện gây nhiễu và các lượt được chèn vào xung đột với hoặc cập nhật sau đó các chi tiết mục tiêu; một LLM giám khảo chấm điểm câu trả lời dựa trên các tiêu chí có trọng số, riêng cho từng câu hỏi. Đó là ngữ cảnh hữu ích để hiểu phạm vi của benchmark, nhưng nó không giống với việc cài đặt trí nhớ cá nhân của người dùng hoạt động xuyên các cuộc trò chuyện.
Thẻ mô hình giải thích thiết kế tác vụ; nó không biến bài tập 10 phút này thành một bản sao tái tạo. Điểm số đã công bố của Meta là bằng chứng về thiết lập đánh giá được báo cáo. Lần chạy của bạn trả lời một câu hỏi vận hành hẹp hơn: liệu bề mặt sản phẩm, cấu hình và tài khoản cụ thể này có truy xuất được các sự kiện mà quy trình của bạn cần không? Không cái nào một mình thiết lập được trí nhớ đáng tin cậy cho mọi người dùng hay tác vụ.
Muse Wonder so với Muse Wonder Full: Kiểm tra ở đâu
Hai biến thể không có các đường truy cập giống hệt nhau. Tài liệu dành cho nhà phát triển hiện tại của Meta cho biết Muse Wonder (muse-wonder-1.0) có sẵn trên Model API và trong Muse Code. Muse Wonder Full chỉ có sẵn trong Muse Code trên các gói Power Usage và Maximum Usage. Đặt mức nỗ lực suy luận của Muse Wonder thành “max” không chuyển nó sang Wonder Full.
| Biến thể | Quyền truy cập được ghi trong tài liệu | Những gì cần ghi lại |
|---|---|---|
| Muse Wonder | Model API và Muse Code | ID mô hình API hoặc bề mặt Muse Code, cùng việc ngữ cảnh trước đó có được cung cấp hay không |
| Muse Wonder Full | Muse Code trên các gói Power Usage và Maximum Usage | Gói, biến thể đã chọn và cài đặt trí nhớ có sẵn trong bề mặt đó |
Chạy cùng hồ sơ hư cấu riêng biệt trên từng bề mặt có sẵn. Đừng so sánh một bài kiểm tra Muse Code có thể truy xuất chi tiết hồ sơ đã lưu với một lệnh gọi API không trạng thái chỉ nhận lời nhắc hiện tại. Làm vậy sẽ so sánh các hệ thống khác nhau, không chỉ hai biến thể mô hình.
Quyền riêng tư và kiểm tra có thể lặp lại
Hãy dùng sở thích, ngày tháng và chi tiết dự án bịa đặt. Trước khi thử dữ liệu thật, hãy kiểm tra các điều khiển trí nhớ, đường xóa, thông tin lưu giữ và cài đặt sử dụng dữ liệu của sản phẩm. Tài liệu API của Meta cho biết nội dung ở chế độ Standard không được dùng để huấn luyện các mô hình Meta; Muse Code cũng cung cấp chế độ Contributor, mặc định được bật và có thể dùng nội dung để huấn luyện trừ khi bị tắt. Hãy kiểm tra cài đặt và điều khoản hiện tại cho sản phẩm bạn dùng thay vì cho rằng mọi bề mặt xử lý dữ liệu giống nhau.
Với API, hãy tách mô hình khỏi lớp trí nhớ của ứng dụng. Một cơ sở dữ liệu, hệ thống truy xuất hoặc lịch sử lời nhắc mà phần mềm của bạn gửi có thể đang thực hiện việc ghi nhớ. Ghi log những gì ứng dụng đã truy xuất và những gì nó truyền vào mỗi yêu cầu, đồng thời giữ hồ sơ kiểm tra ở dạng tổng hợp.
Các nhóm có thể biến ba vòng thành một bộ đánh giá nhỏ được đánh phiên bản. Giữ cố định hồ sơ sự kiện, chỉnh sửa, yếu tố gây nhiễu, biến thể mô hình, cài đặt sản phẩm, độ trễ và phản hồi thô. Chạy lại sau khi thay đổi cấu hình hoặc mô hình và xem xét các lỗi theo từng tiêu chí. Với các nhóm đã so sánh các mô hình hosted trong một harness có thể lặp lại, Atlas Cloud cung cấp một danh mục và một hướng dẫn API LLM hợp nhất. Bạn có thể duyệt danh mục mô hình của nó để so sánh riêng. Danh mục hiện chưa liệt kê Muse Wonder, và dùng một mô hình khác ở đó sẽ chỉ kiểm tra ngữ cảnh được cung cấp rõ ràng cho mô hình đó trừ khi ứng dụng của bạn thêm một lớp trí nhớ.
Câu hỏi thường gặp
Làm thế nào để kiểm tra Active Memory của Muse Wonder xuyên các cuộc trò chuyện?
Cung cấp các sự kiện hư cấu trong một cuộc trò chuyện, rồi hỏi về các chi tiết liên quan trong một cuộc trò chuyện mới. Bao gồm một chỉnh sửa và một sự kiện còn thiếu, đồng thời ghi lại bề mặt sản phẩm và cài đặt trí nhớ.
Muse Wonder có nhớ các chỉnh sửa hay chỉ nhớ các chi tiết trước đó?
Mô tả MemoryBench của Meta bao gồm các lượt cập nhật hoặc xung đột với các chi tiết trước đó. Bài kiểm tra chỉnh sửa của riêng bạn kiểm tra liệu thiết lập sản phẩm hiện tại có tuân theo bản cập nhật hay không; hãy lặp lại vì một kết quả không thiết lập được hành vi nhất quán.
Bài kiểm tra lịch sử trò chuyện này có giống MemoryBench của Meta không?
Không. Meta mô tả MemoryBench là một benchmark ngữ cảnh dài nội bộ sử dụng các cuộc trò chuyện từ 64K đến 100K token, các yếu tố gây nhiễu, các sự kiện xung đột hoặc được cập nhật và một LLM giám khảo. Bài kiểm tra ngắn này là một smoke test thực tế, không phải một bản sao tái tạo.
Tôi có thể kiểm tra Muse Wonder Active Memory qua API không?
Bạn có thể kiểm tra khả năng nhớ lại ngữ cảnh đi đến yêu cầu của mô hình API. Đối với khả năng lưu giữ xuyên yêu cầu, hãy xác minh những gì API hoặc ứng dụng của bạn lưu trữ và gửi. Việc có sẵn một cửa sổ ngữ cảnh lớn tự nó không cho thấy các yêu cầu riêng biệt chia sẻ trí nhớ.
Làm thế nào để phân biệt trí nhớ của mô hình với trí nhớ do ứng dụng lưu trữ?
Kiểm tra toàn bộ yêu cầu được gửi đến mô hình. Nếu ứng dụng của bạn chèn hồ sơ, ghi chú đã truy xuất hoặc cuộc trò chuyện trước đó, thì lớp phần mềm đó đã cung cấp trí nhớ. So sánh với một lần chạy có kiểm soát bỏ qua nó, khi thích hợp.
Dùng thông tin cá nhân trong bài kiểm tra Active Memory có an toàn không?
Dùng thông tin hư cấu cho bài kiểm tra. Nếu sau này bạn đánh giá dữ liệu thật, hãy xem lại cài đặt trí nhớ, xóa, lưu giữ và sử dụng dữ liệu của sản phẩm cụ thể trước.
Một muse wonder active memory test hữu ích nhất khi nó phơi bày bước nào đã thất bại: truy cập ngữ cảnh trước đó, truy xuất, chỉnh sửa, lọc hay không chắc chắn. Hãy lưu lần chạy thô, rồi lặp lại dưới đúng thiết lập mà bạn định tin dùng.
Nguồn: Thông báo Muse Wonder của Meta (12 tháng 10, 2026); Tài liệu mô hình Model API của Meta (truy cập ngày 15 tháng 10, 2026); Thẻ mô hình Muse Wonder (tháng 10 năm 2026).
