BALMS：纵向心理健康传感的基准测试代理 LLM

心理健康评估依赖于情景自我报告量表，它将压力等主观状态转化为数字分数，但仅提供稀疏的幸福感快照。可穿戴设备提供纵向行为和生理信号，用于连续、低负担的监测。最近的 LLM 驱动的个人健康代理可以通过可穿戴信号进行自然语言查询，但主要处理短期的、基于检索的查找（例如，一周内的最高步数）。他们没有评估智能体是否可以根据长期信号进行推理，以预测与基于证据的基本原理相结合的健康分数。为了解决这一差距，我们引入了 BALMS，这是基于 LLM 的代理系统的第一个系统基准，用于纵向心理健康感知。 BALMS 涵盖 3 个真实世界的纵向数据集、2 个任务系列（由 LLM 作为法官自动评分的封闭式幸福评分预测和基本原理生成）、跨 5 个开源和闭源 LLM 主干评估的 3 个代理范式。我们发现，零样本代理很少能超越简单的平均基线，除非具有更强的骨干网或紧凑的、语义上有意义的特征。思维链提示可以改善以推理为导向的主干，但不能保证时间基础或数字正确性。结合对效率和时间尺度的更多分析，BALMS 强调了对纵向心理健康代理的需求，这些代理可以选择性地检索历史、地面时间证据，并对可解释的行为特征进行推理。