MemPalace 修正记录全解docs/HISTORY.md 如何治理一个开源项目的基准声明【免费下载链接】mempalaceThe best-benchmarked open-source AI memory system. And its free.项目地址: https://gitcode.com/GitHub_Trending/me/mempalaceMemPalace 仓库中的 docs/HISTORY.md 是该项目上市后所有修正、撤回与公开公告的权威记录canonical record按时间倒序归档了三条关键公告2026-04-14 的基准表重写、2026-04-11 的仿冒域名警告、2026-04-07 的项目组公开致歉与纠错说明。本文以这份文档为骨架逐条展开并结合仓库中 README.md 的当前基准表、CHANGELOG.md 的变更记录、benchmarks/ 目录下已提交的复现结果文件说明这些修正在代码库中如何真正落地以及如何验证一个记忆系统的检索数字是否干净、诚实、可复现。这份记录在仓库中的定位为什么修正要独立成文HISTORY.md 开头就声明了自己的定位This file is the canonical record of post-launch corrections, public notices, and retractions that affect MemPalaces public claims.本文件是影响 MemPalace 公开声明的修正、公告与撤回的权威记录最新在前。从 CHANGELOG.md 可以看到这一文档化的来龙去脉在 2026-04-14 的整改中项目组明确将docs/HISTORY.md新增为修正、撤回与公开公告的权威存放处把 2026-04-07 的『Milla Ben 的说明』和 2026-04-11 的仿冒域名公告从README.md中迁出。换言之README 只保留当前仍然成立的声明而所有我们曾经说错过什么、现在改成了什么全部沉淀到 HISTORY 中。这种把纠错史与产品页分离的做法是本文值得学习的第一点。2026-04-14基准表重写——一次由社区审计触发的系统性修正这是 HISTORY.md 中篇幅最长、信息密度最高的一条公告对应社区审计 issue #875。它指出了一个类别错误category errorMemPalace 在README.md与官方文档站上把自身的检索召回率R5、R10与竞品发布的端到端 QA 准确率放在同一列对比。这是两种完全不同的指标不可直接比较——一个系统可以拥有 100% 的检索召回率同时只有 40% 的 QA 准确率。审计还发现了另外两个问题已撤回的34% palace boost声明见下文 2026-04-07 公告在撤回后仍残留在多个页面两个竞品数字Mem0 ~85%、Zep ~85%没有任何已发布来源也与这些项目实际发布的指标不符。本次整改具体改了什么原文档六项变更全记录HISTORY.md 完整列出了整改 PR 的六项变更下面逐条继承并补充仓库佐证所有页面的头条数字统一为raw 模式下 LongMemEval 96.6% R5并且该数字于 2026-04-14 在 Linux x86_64 上针对打标签的 v3.3.0 发布版独立复现。复现的结果 JSONL 已提交到benchmarks/results_*.jsonl。在仓库中可以直接核对这些文件例如 results_mempal_raw_session_20260414_1629.jsonl、results_mempal_hybrid_v4_held_out_session_20260414_1634.jsonl、results_mempal_hybrid_v4_llmrerank_session_20260414_1654.jsonl 与 results_mempal_hybrid_v4_llmrerank_session_20260414_1659.jsonl——文件名中的日期戳20260414与公告日期精确对应。从文件内容看每行一个 question 的question_id、question、answer与retrieval_results.ranked_items全量排序列表这些结果文件是逐题可审计的而非只存一个聚合分数。100% with Haiku rerank 声明从所有公开对比表中移除。公告给出的理由值得细读该结果确实在项目方机器上可复现且用另一个 LLM 家族通过 Ollama Cloud 的 minimax-m2.7也能复现完整 500 题 LongMemEval 上 99.2% R5 / 100.0% R10——但 99.4% → 100% 的最后一步是通过检查三个具体错误答案调试出来的benchmarks/BENCHMARKS.md 自 2 月起就把这种做法称为 teaching to the test面向测试调参。它属于方法论文档不属于头条数字。混合管线的诚实留出数字成为新的可比口径hybrid_v4在 450 道从未参与其调优的问题上取得 98.4% R5使用确定性种子。当涉及 LLM rerank 的对比时这才是应被引用的数字。这 450 题的划分文件就是仓库中的 benchmarks/lme_split_50_450.json——打开可见其结构为dev50 题可安全用于迭代调优与 450 题留出集由 benchmarks/longmemeval_bench.py 的--create-split/--dev-only/--held-out参数配合使用脚本支持--limit、--mode、--out等完整 CLI 参数见该文件末尾的 argparse 定义。撤回的 34% palace boost 已从README.md、website/concepts/the-palace.md、website/guide/searching.md、website/reference/contributing.md全部移除。公告保留了建设性表述wing翼与 room房间过滤仍然有用——它们是标准的元数据过滤手段——但不再被呈现为新颖的检索改进。混用检索召回与 QA 准确率的竞品对比表从README.md和website/reference/benchmarks.md移除。现在的原则是只有当 MemPalace 能在同一指标上公平比较时才链接到被引用的来源否则只报告自己的数字让读者自行判断。这一点在 README.md 的 Benchmarks 一节可以验证——当前 README 明确写道我们刻意不包含与 Mem0、Mastra、Hindsight、Supermemory、Zep 的并排对比并解释原因正是检索召回与端到端 QA 准确率放在不同 split 上对比不是诚实的比较。LoCoMo top-50 rerank 下 100% R10 一行从公开对比面移除。公告的技术理由非常硬核LoCoMo 每条对话的 session 数为 19–32而top_k50时检索阶段在结构上会返回该对话的全部 session于是这个数字度量的其实是LLM 对整段对话的阅读理解力而不是检索能力。公告最后向提交审计的社区成员致谢并感谢了平行整理的 Discussion。这条公告的价值在于它展示了一个团队如何把数字从哪来、为什么不能比、撤回后改成了什么三件事一次性交代清楚。2026-04-11仿冒域名与恶意软件公告第二条公告短小但属于安全类通知。多个社区成员issues #267、#326、#506报告了分发恶意软件的仿冒 MemPalace 网站。公告声明该项目的唯一官方入口只有三个GitHub 仓库github.com/MemPalace/mempalacePyPI 包mempalacepypi.org/project/mempalace文档站mempalaceofficial.com。其余任何域名——被报告最多的为mempalace.tech——均不属于项目方。公告给出唯一行动建议永远不要运行来自非官方站点的安装脚本。这一条对读者是硬性的安全边界安装 MemPalace 只应走 PyPI 或官方仓库源码文档与代码以仓库内 pyproject.toml、README.md 为准。2026-04-07Milla Ben 的说明——逐项承认错误的公开信这是最早的一条公告形式是项目组两位作者Milla Jovovich 与 Ben Sigman以引用块写下的公开信。核心叙事是社区在发布数小时内就在 README 中发现了真实问题我们想直接回应。承认错误的五项内容原文档全记录AAAK token 示例错误。早期 README 用粗略启发式len(text)//3估算 token 数而不是真实 tokenizer。经 OpenAI tokenizer 实测英文示例是 66 tokensAAAK 示例是 73 tokens。结论是AAAK 在小规模下并不省 token——它的设计目标是大规模下的重复实体压缩README 中的例子是个糟糕的演示。项目方承诺重写该示例。30x lossless compression 说法夸大。AAAK 是一个有损缩写系统实体编码、句子截断。独立基准显示 AAAK 模式在 LongMemEval 上得分84.2% R5对比 raw 模式的 96.6%存在 12.4 个点的回退。诚实的表述是AAAK 是一个以保真度换 token 密度的实验性压缩层且96.6% 的头条数字来自 RAW 模式不是 AAAK。这一数字与 benchmarks/README.md 中--mode aaak的复现说明84.2%相互印证。34% palace boost 具有误导性。该数字比较的是无过滤检索与 wingroom 元数据过滤。而元数据过滤是底层向量存储的标准功能不是新颖的检索机制。真实且有用但不是护城河not a moat。矛盾检测contradiction detection名不副实。它作为一个独立工具fact_checker.py存在但并未如 README 所暗示的那样接入知识图谱操作。对应仓库源码 mempalace/fact_checker.py其独立工具状态与公告描述一致。100% with Haiku rerank 结果真实有结果文件但 rerank 管线当时不在公开基准脚本中承诺补入。仍然成立且可复现的内容公告同时保留了仍然为真的部分避免矫枉过正raw 模式下 LongMemEval 96.6% R5500 题、零 API 调用——由社区成员在 M2 Ultra 上 5 分钟内独立复现本地、免费、无订阅、无云、数据不出机器架构本身wings、rooms、closets、drawers是真实且有用的只是不是魔法检索增益。当时承诺的四项整改用真实 tokenizer 计数、并在 AAAK 真正能体现压缩的场景下重写 AAAK 示例在基准文档中明确加入mode raw / aaak / rooms让权衡可见把fact_checker.py接入 KG 操作使矛盾检测的声明成真将向量存储依赖固定到已测试的版本范围issue #100、修复 hooks 中的 shell 注入#110、处理 macOS ARM64 段错误#74。这四项在仓库中都有对应痕迹benchmarks/README.md 的复现指南已明确列出--mode aaak、--mode rooms等模式开关与各自的预期分数hooks 目录hooks/ 下的 shell 脚本随后经过了多轮加固见 tests/test_hooks_shell.py、tests/test_hooks_bash_compat.py 等测试文件对 shell 兼容性与注入防护的覆盖。交叉验证从 HISTORY.md 到仓库证据链三条公告共同指向一套诚实基准方法论仓库中留下了完整的验证链条。1. 头条数字与当前 README 一致README.md 的 Benchmarks 一节当前呈现的是整改后的口径模式R5需要 LLMRaw语义检索、无启发式、无 LLM96.6%无Hybrid v4留出 450 题在 50 题 dev 上调优训练期间未见98.4%无Hybrid v4 LLM rerank完整 500 题≥99%任意有能力的模型并且 README 明确说明我们不为 100% 数字做头条因为最后 0.6% 是通过检查具体错误答案达到的benchmarks/BENCHMARKS.md将其标记为面向测试调参。这与 HISTORY.md 的整改第 2、3 条完全对应。2. 结果文件可逐题审计benchmarks/BENCHMARKS.md 在 Notes on Reproducibility 一节定义了审计标准每个benchmarks/results_*.jsonl都包含每一道题、每一个被检索文档、每一个分数你可以检查每一个单独的答案——而不只是聚合值。其 Benchmark Integrity — The Honest Accounting 一节甚至点名了三个被特判修复的 LongMemEval 问题d6233ab6引号短语题、4dfccbf8Rachel/ukulele 时间题、ceb54acb高中重聚偏好题并直言这是 teaching to the test……在同行评审论文中这是重要的方法论问题我们在此披露它而不是让它不被审视。3. 复现路径仍然有效且指向正确仓库整改第 6 条之外的细节原复现说明曾指向已废弃的分支aya-thekeeper/mempal现已改指MemPalace/mempalace。benchmarks/README.md 给出了完整可执行的复现路径# 安装开发依赖uv 或 pip 二选一 uv sync --extra dev # 或: pip install -e .[dev] # 下载 LongMemEval 数据后运行 raw 基线96.6% 头条数字 python benchmarks/longmemeval_bench.py /tmp/longmemeval-data/longmemeval_s_cleaned.json # 快速验证只跑 20 题 python benchmarks/longmemeval_bench.py /tmp/longmemeval-data/longmemeval_s_cleaned.json --limit 20预期输出raw 模式、完整 500 题为Recall5: 0.966 / Recall10: 0.982 / NDCG10: 0.889约 5 分钟Apple Silicon。要求是 Python 3.9、chromadb单一依赖、无需 API key、基准运行期间无需联网。4. 训练/测试划分是方法论的落点HISTORY.md 所说的确定性种子 450 题留出在仓库中对应 benchmarks/lme_split_50_450.jsonseed42CHANGELOG 亦记载该文件与 v3.3.0 复现 JSONL 一并为本次整改提交。BENCHMARKS.md 的使用约定是50 题 dev 集可以反复调优450 题留出集只碰一次——看到留出结果后再次迭代会污染它。这套约定让98.4% 是诚实的泛化数字这句话具备了可执行的验证方式。三条公告的共同启示指标口径先于指标数值。R5 检索召回与 QA 准确率是两种度量混排一列就构成类别错误引用任何系统数字前先确认它度量的是什么、在哪个 split 上测的。撤回要撤干净。34% palace boost 的教训是撤回声明后仍残留在多页面上的旧说法比从未说过更损害信任——因此需要一份 HISTORY 作为权威记录并逐表面README、概念页、搜索指南、贡献指南清理。安全面最小化。仿冒域名公告的本质是给出唯一官方入口白名单仓库、PyPI 包、文档站三处其余一律不信任尤其不要运行来路不明的安装脚本。纠错可以成为文档资产。把我们哪里说错了、为什么错、现在改成什么、如何复现沉淀为 docs/HISTORY.md配合 CHANGELOG、已提交的结果 JSONL 与划分文件构成了一条从声明到证据的完整链条。【免费下载链接】mempalaceThe best-benchmarked open-source AI memory system. And its free.项目地址: https://gitcode.com/GitHub_Trending/me/mempalace创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
MemPalace 修正记录全解：docs/HISTORY.md 如何治理一个开源项目的基准声明
MemPalace 修正记录全解docs/HISTORY.md 如何治理一个开源项目的基准声明【免费下载链接】mempalaceThe best-benchmarked open-source AI memory system. And its free.项目地址: https://gitcode.com/GitHub_Trending/me/mempalaceMemPalace 仓库中的 docs/HISTORY.md 是该项目上市后所有修正、撤回与公开公告的权威记录canonical record按时间倒序归档了三条关键公告2026-04-14 的基准表重写、2026-04-11 的仿冒域名警告、2026-04-07 的项目组公开致歉与纠错说明。本文以这份文档为骨架逐条展开并结合仓库中 README.md 的当前基准表、CHANGELOG.md 的变更记录、benchmarks/ 目录下已提交的复现结果文件说明这些修正在代码库中如何真正落地以及如何验证一个记忆系统的检索数字是否干净、诚实、可复现。这份记录在仓库中的定位为什么修正要独立成文HISTORY.md 开头就声明了自己的定位This file is the canonical record of post-launch corrections, public notices, and retractions that affect MemPalaces public claims.本文件是影响 MemPalace 公开声明的修正、公告与撤回的权威记录最新在前。从 CHANGELOG.md 可以看到这一文档化的来龙去脉在 2026-04-14 的整改中项目组明确将docs/HISTORY.md新增为修正、撤回与公开公告的权威存放处把 2026-04-07 的『Milla Ben 的说明』和 2026-04-11 的仿冒域名公告从README.md中迁出。换言之README 只保留当前仍然成立的声明而所有我们曾经说错过什么、现在改成了什么全部沉淀到 HISTORY 中。这种把纠错史与产品页分离的做法是本文值得学习的第一点。2026-04-14基准表重写——一次由社区审计触发的系统性修正这是 HISTORY.md 中篇幅最长、信息密度最高的一条公告对应社区审计 issue #875。它指出了一个类别错误category errorMemPalace 在README.md与官方文档站上把自身的检索召回率R5、R10与竞品发布的端到端 QA 准确率放在同一列对比。这是两种完全不同的指标不可直接比较——一个系统可以拥有 100% 的检索召回率同时只有 40% 的 QA 准确率。审计还发现了另外两个问题已撤回的34% palace boost声明见下文 2026-04-07 公告在撤回后仍残留在多个页面两个竞品数字Mem0 ~85%、Zep ~85%没有任何已发布来源也与这些项目实际发布的指标不符。本次整改具体改了什么原文档六项变更全记录HISTORY.md 完整列出了整改 PR 的六项变更下面逐条继承并补充仓库佐证所有页面的头条数字统一为raw 模式下 LongMemEval 96.6% R5并且该数字于 2026-04-14 在 Linux x86_64 上针对打标签的 v3.3.0 发布版独立复现。复现的结果 JSONL 已提交到benchmarks/results_*.jsonl。在仓库中可以直接核对这些文件例如 results_mempal_raw_session_20260414_1629.jsonl、results_mempal_hybrid_v4_held_out_session_20260414_1634.jsonl、results_mempal_hybrid_v4_llmrerank_session_20260414_1654.jsonl 与 results_mempal_hybrid_v4_llmrerank_session_20260414_1659.jsonl——文件名中的日期戳20260414与公告日期精确对应。从文件内容看每行一个 question 的question_id、question、answer与retrieval_results.ranked_items全量排序列表这些结果文件是逐题可审计的而非只存一个聚合分数。100% with Haiku rerank 声明从所有公开对比表中移除。公告给出的理由值得细读该结果确实在项目方机器上可复现且用另一个 LLM 家族通过 Ollama Cloud 的 minimax-m2.7也能复现完整 500 题 LongMemEval 上 99.2% R5 / 100.0% R10——但 99.4% → 100% 的最后一步是通过检查三个具体错误答案调试出来的benchmarks/BENCHMARKS.md 自 2 月起就把这种做法称为 teaching to the test面向测试调参。它属于方法论文档不属于头条数字。混合管线的诚实留出数字成为新的可比口径hybrid_v4在 450 道从未参与其调优的问题上取得 98.4% R5使用确定性种子。当涉及 LLM rerank 的对比时这才是应被引用的数字。这 450 题的划分文件就是仓库中的 benchmarks/lme_split_50_450.json——打开可见其结构为dev50 题可安全用于迭代调优与 450 题留出集由 benchmarks/longmemeval_bench.py 的--create-split/--dev-only/--held-out参数配合使用脚本支持--limit、--mode、--out等完整 CLI 参数见该文件末尾的 argparse 定义。撤回的 34% palace boost 已从README.md、website/concepts/the-palace.md、website/guide/searching.md、website/reference/contributing.md全部移除。公告保留了建设性表述wing翼与 room房间过滤仍然有用——它们是标准的元数据过滤手段——但不再被呈现为新颖的检索改进。混用检索召回与 QA 准确率的竞品对比表从README.md和website/reference/benchmarks.md移除。现在的原则是只有当 MemPalace 能在同一指标上公平比较时才链接到被引用的来源否则只报告自己的数字让读者自行判断。这一点在 README.md 的 Benchmarks 一节可以验证——当前 README 明确写道我们刻意不包含与 Mem0、Mastra、Hindsight、Supermemory、Zep 的并排对比并解释原因正是检索召回与端到端 QA 准确率放在不同 split 上对比不是诚实的比较。LoCoMo top-50 rerank 下 100% R10 一行从公开对比面移除。公告的技术理由非常硬核LoCoMo 每条对话的 session 数为 19–32而top_k50时检索阶段在结构上会返回该对话的全部 session于是这个数字度量的其实是LLM 对整段对话的阅读理解力而不是检索能力。公告最后向提交审计的社区成员致谢并感谢了平行整理的 Discussion。这条公告的价值在于它展示了一个团队如何把数字从哪来、为什么不能比、撤回后改成了什么三件事一次性交代清楚。2026-04-11仿冒域名与恶意软件公告第二条公告短小但属于安全类通知。多个社区成员issues #267、#326、#506报告了分发恶意软件的仿冒 MemPalace 网站。公告声明该项目的唯一官方入口只有三个GitHub 仓库github.com/MemPalace/mempalacePyPI 包mempalacepypi.org/project/mempalace文档站mempalaceofficial.com。其余任何域名——被报告最多的为mempalace.tech——均不属于项目方。公告给出唯一行动建议永远不要运行来自非官方站点的安装脚本。这一条对读者是硬性的安全边界安装 MemPalace 只应走 PyPI 或官方仓库源码文档与代码以仓库内 pyproject.toml、README.md 为准。2026-04-07Milla Ben 的说明——逐项承认错误的公开信这是最早的一条公告形式是项目组两位作者Milla Jovovich 与 Ben Sigman以引用块写下的公开信。核心叙事是社区在发布数小时内就在 README 中发现了真实问题我们想直接回应。承认错误的五项内容原文档全记录AAAK token 示例错误。早期 README 用粗略启发式len(text)//3估算 token 数而不是真实 tokenizer。经 OpenAI tokenizer 实测英文示例是 66 tokensAAAK 示例是 73 tokens。结论是AAAK 在小规模下并不省 token——它的设计目标是大规模下的重复实体压缩README 中的例子是个糟糕的演示。项目方承诺重写该示例。30x lossless compression 说法夸大。AAAK 是一个有损缩写系统实体编码、句子截断。独立基准显示 AAAK 模式在 LongMemEval 上得分84.2% R5对比 raw 模式的 96.6%存在 12.4 个点的回退。诚实的表述是AAAK 是一个以保真度换 token 密度的实验性压缩层且96.6% 的头条数字来自 RAW 模式不是 AAAK。这一数字与 benchmarks/README.md 中--mode aaak的复现说明84.2%相互印证。34% palace boost 具有误导性。该数字比较的是无过滤检索与 wingroom 元数据过滤。而元数据过滤是底层向量存储的标准功能不是新颖的检索机制。真实且有用但不是护城河not a moat。矛盾检测contradiction detection名不副实。它作为一个独立工具fact_checker.py存在但并未如 README 所暗示的那样接入知识图谱操作。对应仓库源码 mempalace/fact_checker.py其独立工具状态与公告描述一致。100% with Haiku rerank 结果真实有结果文件但 rerank 管线当时不在公开基准脚本中承诺补入。仍然成立且可复现的内容公告同时保留了仍然为真的部分避免矫枉过正raw 模式下 LongMemEval 96.6% R5500 题、零 API 调用——由社区成员在 M2 Ultra 上 5 分钟内独立复现本地、免费、无订阅、无云、数据不出机器架构本身wings、rooms、closets、drawers是真实且有用的只是不是魔法检索增益。当时承诺的四项整改用真实 tokenizer 计数、并在 AAAK 真正能体现压缩的场景下重写 AAAK 示例在基准文档中明确加入mode raw / aaak / rooms让权衡可见把fact_checker.py接入 KG 操作使矛盾检测的声明成真将向量存储依赖固定到已测试的版本范围issue #100、修复 hooks 中的 shell 注入#110、处理 macOS ARM64 段错误#74。这四项在仓库中都有对应痕迹benchmarks/README.md 的复现指南已明确列出--mode aaak、--mode rooms等模式开关与各自的预期分数hooks 目录hooks/ 下的 shell 脚本随后经过了多轮加固见 tests/test_hooks_shell.py、tests/test_hooks_bash_compat.py 等测试文件对 shell 兼容性与注入防护的覆盖。交叉验证从 HISTORY.md 到仓库证据链三条公告共同指向一套诚实基准方法论仓库中留下了完整的验证链条。1. 头条数字与当前 README 一致README.md 的 Benchmarks 一节当前呈现的是整改后的口径模式R5需要 LLMRaw语义检索、无启发式、无 LLM96.6%无Hybrid v4留出 450 题在 50 题 dev 上调优训练期间未见98.4%无Hybrid v4 LLM rerank完整 500 题≥99%任意有能力的模型并且 README 明确说明我们不为 100% 数字做头条因为最后 0.6% 是通过检查具体错误答案达到的benchmarks/BENCHMARKS.md将其标记为面向测试调参。这与 HISTORY.md 的整改第 2、3 条完全对应。2. 结果文件可逐题审计benchmarks/BENCHMARKS.md 在 Notes on Reproducibility 一节定义了审计标准每个benchmarks/results_*.jsonl都包含每一道题、每一个被检索文档、每一个分数你可以检查每一个单独的答案——而不只是聚合值。其 Benchmark Integrity — The Honest Accounting 一节甚至点名了三个被特判修复的 LongMemEval 问题d6233ab6引号短语题、4dfccbf8Rachel/ukulele 时间题、ceb54acb高中重聚偏好题并直言这是 teaching to the test……在同行评审论文中这是重要的方法论问题我们在此披露它而不是让它不被审视。3. 复现路径仍然有效且指向正确仓库整改第 6 条之外的细节原复现说明曾指向已废弃的分支aya-thekeeper/mempal现已改指MemPalace/mempalace。benchmarks/README.md 给出了完整可执行的复现路径# 安装开发依赖uv 或 pip 二选一 uv sync --extra dev # 或: pip install -e .[dev] # 下载 LongMemEval 数据后运行 raw 基线96.6% 头条数字 python benchmarks/longmemeval_bench.py /tmp/longmemeval-data/longmemeval_s_cleaned.json # 快速验证只跑 20 题 python benchmarks/longmemeval_bench.py /tmp/longmemeval-data/longmemeval_s_cleaned.json --limit 20预期输出raw 模式、完整 500 题为Recall5: 0.966 / Recall10: 0.982 / NDCG10: 0.889约 5 分钟Apple Silicon。要求是 Python 3.9、chromadb单一依赖、无需 API key、基准运行期间无需联网。4. 训练/测试划分是方法论的落点HISTORY.md 所说的确定性种子 450 题留出在仓库中对应 benchmarks/lme_split_50_450.jsonseed42CHANGELOG 亦记载该文件与 v3.3.0 复现 JSONL 一并为本次整改提交。BENCHMARKS.md 的使用约定是50 题 dev 集可以反复调优450 题留出集只碰一次——看到留出结果后再次迭代会污染它。这套约定让98.4% 是诚实的泛化数字这句话具备了可执行的验证方式。三条公告的共同启示指标口径先于指标数值。R5 检索召回与 QA 准确率是两种度量混排一列就构成类别错误引用任何系统数字前先确认它度量的是什么、在哪个 split 上测的。撤回要撤干净。34% palace boost 的教训是撤回声明后仍残留在多页面上的旧说法比从未说过更损害信任——因此需要一份 HISTORY 作为权威记录并逐表面README、概念页、搜索指南、贡献指南清理。安全面最小化。仿冒域名公告的本质是给出唯一官方入口白名单仓库、PyPI 包、文档站三处其余一律不信任尤其不要运行来路不明的安装脚本。纠错可以成为文档资产。把我们哪里说错了、为什么错、现在改成什么、如何复现沉淀为 docs/HISTORY.md配合 CHANGELOG、已提交的结果 JSONL 与划分文件构成了一条从声明到证据的完整链条。【免费下载链接】mempalaceThe best-benchmarked open-source AI memory system. And its free.项目地址: https://gitcode.com/GitHub_Trending/me/mempalace创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考