收录解读
MemLens 针对多模态长期记忆提出系统评测：问题来自多轮、多 session 对话，并明确要求模型利用图像证据、时间顺序、知识更新和拒答能力。
论文关键价值在于把 long-context LVLM 和 memory-augmented agents 放在同一评测接口下比较。结果显示长上下文模型短上下文表现好但随长度退化，记忆 agent 更稳定却容易损失视觉细节。
它值得正式收录，因为 agent memory 正在从文本检索转向多模态长期交互，MemLens 给出了可复用的能力拆分和跨架构对比基准。
它没有更高，是因为它仍是 benchmark；对真实个人助理、机器人和持续学习系统的工程闭环还需要后续系统验证。
原始摘要与中文对照
中文对照翻译
标题：MemLens：评估大型视觉语言模型中的多模态长期记忆。 记忆对于大型视觉语言模型 (LVLMs) 处理长期的多模态交互至关重要，有两种方法方向提供这种能力：长上下文LVLMs和记忆增强型智能体。然而，目前没有基准对两者在真正需要多模态证据的问题上进行系统比较。为了弥补这一空白，我们引入了 MemLens，这是一个用于多模态多会话对话中记忆的综合性基准，包含
原始摘要
Memory is essential for large vision-language models (LVLMs) to handle long, multimodal interactions, with two method directions providing this capability: longcontext LVLMs and memory-augmented agents. However, no existing benchmark conducts a systematic comparison of the two on questions that genuinely require multimodal evidence. To close this gap, we introduce M EM L ENS, a comprehensive benchmark for memory in multimodal multi-session conversations, comprising