第一人称流式视频若要充当个人助手，就不能只处理眼前这一段连续画面。真实交互常常是间歇的：人走开再回来，活动被打断，过去会话里的经历仍可能被问起。现有流式基准和方法多聚焦单段连续视频或短片段，跨中断仍需保留的记忆被放在一边。APM-Bench把这类场景改写成多会话生活轨迹，专门考察跨会话持久记忆。

基准在测什么

规模方面，材料给出549个会话、104条轨迹、2719个候选，覆盖客观题与开放题。每个会话是一段带细粒度标注的视频，同一轨迹内的会话围绕相关活动展开。模型需要利用持久记忆回答关于过去会话的问题，并在维持实时交互的同时提供主动响应。

对记忆本身，作者列出一组约束：必须可存储、能选择性保留信息、在正确时机注入，并且保持高效。有限存储还可能使所需证据根本不在库中，因此助手应当识别证据缺失，而不是在没有依据时继续作答。

评测设置与已公开结论

评测覆盖两类对象：不同记忆协议下的通用视频模型，以及多种专门的流式记忆系统；同时测试模型是否承认证据不足。已披露的结果是一条权衡，而非某项被打穿：效用、延迟与存储之间存在清晰折中，现有方法仍难以同时做到可靠的长期召回与低开销。摘要在此截断，未给出具体模型、分数或存储上限，后续解读应停在这一判断。

我的判断

这套基准的价值，在于把评测单元从连续视频换成被打断后仍要调用的生活轨迹，更贴近第一人称流式助手的真实工作方式。它适合用来压「跨会话还记不记得、能不能实时答、会不会在证据不够时闭嘴」，不适合当成一般视频理解或单段流式感知的替代榜。局限同样清楚：公开材料没有报告召回、时延、存储的具体数字，也没有展示哪类记忆协议更接近可用；「承认证据不足」被列为测试项，结果未知。对做系统的人，眼下可落地的是那组约束——可存、可筛、准时注入、承认缺失——以及一个尚未被同时满足的效用—延迟—存储三角。