长上下文检索
Recall 应该改进相关证据的发现、排序、压缩，以及进入下一次模型调用的方式。
研究
记忆质量应该可衡量，而不只是被营销。
Recall 研究跟踪检索、上下文选择、溯源和长期记忆行为，同时保持改进足够通用，能服务真实用户。
Website 表面公开内容，本地托管。Recall Core 数据默认不会进入 Website 后端。
信号
Recall Core 检索行为
信号
上下文组装与压缩
信号
矛盾与时间敏感性
信号
不做基准专用提示词补丁
有依据的答案打包
系统应该保留来源可追溯性，避免用自信的文字掩盖不确定或缺失的记忆。
通用能力优先
基准工作不能变成针对题目的捷径。修复也必须提升普通用户和企业场景。
基准纪律
每项研究改进都必须经得起正常产品使用。
LongMemEval 风格工作只有在提升通用记忆用户的检索、排序、上下文打包和不确定性处理时才有价值。公开页面应避免没有支撑的榜单宣称。