KnowMe-Bench：面向终身数字伴侣的人物理解基准评测

摘要

现有的长程记忆基准大多使用多轮对话或合成的用户历史，这使检索性能成为人物理解的不完美代理指标。我们提出 KnowMe-Bench，一个可公开发布的基准，它由长篇自传式叙事构建，其中行为、背景与内心想法为推断稳定动机和决策原则提供了密集证据。KnowMe-Bench 将每篇叙事重构为闪回感知、时间锚定的流，并以横跨事实回忆、主观状态归因和原则级推理的证据关联问题评测模型。在多样化的叙事来源上，检索增强系统主要提升事实准确性，而在基于时间背景的解释和更高级推理上错误依然存在，凸显了对超越检索的记忆机制的需求。我们的数据见 https://github.com/QuantaAlpha/KnowMeBench。

KnowMe-Bench：面向终身数字伴侣的人物理解基准评测配图 — 图 2：多智能体数据集生成流水线概览。该框架通过四个先后阶段将非结构化的原始叙述转化为结构化的 KnowMe-Bench 基准：(A) 分割（Segmentation）、(B) 原子单元（ANU）抽取、(C) 时间线生成（Timeline Generation）以及 (D) 叙事生成（Narrative Generation）。为确保数据保真度，每个生成模块都配有一个专门的检查智能体（Check Agent），强制执行“验证-修订”（Verify-and-Revise）循环，并最终由人类文学专家进行最终校验。