首个真实AI伴侣长对话评测基准
推荐指数 57.0 NO. 020 · 2026.10.06
upvotes239comments1
为什么值得看
RealCompanion发布了10段真实人类与AI伴侣的长达120天、共27,218条消息的对话记录，并配套了可溯源的推理标签和评测问题集。这是首个基于真实而非合成数据的长程对话理解基准，直接解决AI伴侣"记不住人"的行业痛点。
媒体预览
编辑判断
当前AI伴侣产品的记忆机制普遍依赖RAG或摘要压缩，评测用的要么是合成对话，要么是短期场景，导致实验室指标和用户体验严重脱节。这个数据集的价值在于"真实"和"可溯源"——每个标签都带推理链，能定位模型到底是在记忆、推断还是幻觉。
对做AI伴侣或长上下文应用的团队来说，这比传统的LongBench更有针对性。建议重点关注他们的"profile"和"persona"两个衍生文件的设计逻辑，这很可能是长程用户建模的标准范式雏形。代码和数据已开源，值得拿来跑一遍自己的记忆模块。