DiaLong：面向长上下文对话记忆能力的评测基准

DiaLong 是一个长上下文对话数据集与记忆评测任务，包含 100 段由人工创建、再用 LLM 扩充的独特对话，任务为对 40 条关于对话的事实做真假判断的事实回忆。对最新 LLM 及多种记忆增强方案的测试表明，模型在长对话中保留和检索信息的能力仍需改进，提升记忆能力有助于模型在长对话中保持连贯与相关性。