ES-MemEval：面向个性化长期情感支持的对话智能体记忆评测基准

大语言模型（LLMs）在对话智能体中展现出强大潜力，但在如在线情感支持等复杂长期网络服务中，其效果受限于鲁棒的长期记忆能力不足。现有长期对话评测基准主要关注静态、显式事实检索，难以评估用户信息分散、隐含且持续演变的关键场景。为此，本文提出ES-MemEval，一个系统评估长期情感支持中五项核心记忆能力（信息抽取、时序推理、冲突检测、拒答机制和用户建模）的综合基准，涵盖问答、摘要与对话生成任务。同时构建了EvoEmo多会话数据集，捕捉碎片化、隐式用户披露及动态演变的用户状态。实验表明，显式长期记忆对减少幻觉和实现有效个性化至关重要；检索增强（RAG）虽提升事实一致性，但在处理时序动态与用户状态演化方面仍存挑战。