新基准把成本和延迟纳入智能体记忆评测

DolphinBench预印本提出：智能体记忆评测应同时报告准确率、总成本和延迟，三者缺一不可。

基准包含三个知识工作人设，每人约50万token用户消息，各设200个依赖历史的任务。作者用有历史成功、无历史失败的方式逐条验证任务有效性。

这是作者第一方设计与验证，尚无独立复现或第三方采用；对做记忆系统的读者，可作评测选项跟踪。