LifeAgentBench：数字健康个人健康助手的多维基准和代理

个性化数字健康支持需要对异构生活方式信号进行长期、跨维度的推理，而移动传感和大语言模型 (LLM) 的最新进展使这种支持变得越来越可行。然而，由于缺乏系统的基准，目前大语言模型在这方面的能力仍不清楚。在本文中，我们介绍了 LifeAgentBench，这是一个用于长视野、跨维度和多用户生活方式健康推理的大规模 QA 基准，包含从基本检索到复杂推理的 22,573 个问题。我们发布了可扩展的基准构建管道和标准化评估协议，以便对基于大语言模型的健康助理进行可靠且可扩展的评估。然后，我们在 LifeAgentBench 上系统地评估 11 个领先的大语言模型，并确定长视野聚合和跨维度推理中的关键瓶颈。受这些发现的启发，我们建议 LifeAgent 作为健康助理的强大基线代理，它将多步骤证据检索与确定性聚合相结合，与两种广泛使用的基线相比取得了显着的改进。案例研究进一步证明了其在现实日常生活场景中的潜力。该基准可在 https://anonymous.4open.science/r/LifeAgentBench-CE7B 上公开获取。