DyadMem：智能体如何与用户协作的长期记忆基准

长期智能体不仅要记住关于用户的事实，还要记住随着共享历史演化、特定智能体应如何与该用户协作。既有基准主要监督用户事实与偏好或可跨用户复用的经验，把这种关系特定的智能体记忆留为隐式；且多数先前工作仅以长交互历史上的最终答案QA衡量模型，评估仍不完整不可靠。为此我们提出DyadMem及新定义——用户条件关系型智能体记忆（URAM）：DyadMem沿同一多会话轨迹联合标注用户侧记忆与URAM，形成6个记忆类别；共含3065个episodes、50961个会话、61210个QA实例，附大量会话级Capture与Update金标注、查询级Recall支持，以及Gold-Memory与Full-Pipeline两种QA设置。跨16个开源与4个专有模型，Gold-Memory QA持续强劲，而全管道QA骤降——该差距明确支持我们的细粒度评估设计。多项量化结果进一步揭示：即使前沿LLM也存在捕获召回低、召回不完整与不安全删除问题。我们还以严格实验验证URAM的有效性，观察到全部20个模型的正向效应。DyadMem是双域、全管道的记忆基准，标注工作量庞大，可推动该领域发展。