DiaLong：长上下文对话中的记忆能力基准

Johns Hopkins University 团队发布 DiaLong，一个包含 100 段超长对话的长上下文基准，用于评估 LLM 的记忆保持与召回能力。该数据集通过 LLM 增强人工创作对话，任务要求模型对 40 个候选事实进行真假分类，以直接检测信息检索准确性。测试显示当前 LLM 及记忆增强方案表现不足，表明提升长对话中的记忆、连贯性与自然交互能力仍需大量工作。