DyadMem 旨在评估长期交互中代理对用户的记忆能力。传统基准只关注用户的事实或偏好，而忽略了关系特定的代理记忆——即在共享历史演化过程中，代理应如何与特定用户协同工作。为此，作者提出了 User‑conditioned Relational Agent Memory (URAM) 的新定义，并在同一多轮对话轨迹上同步标注用户侧记忆与 URAM，形成 6 类记忆标签。
数据集规模包括 3,065 条情景、50,961 场会话和 61,210 条问答实例。每个会话提供 Capture（捕获）与 Update（更新）的金标准标注，查询层面提供 Recall（召回）支持，并设置两种 QA 评估模式：Gold‑Memory（使用金标准记忆）和 Full‑Pipeline（完整记忆生成流程）。
在 16 种开源模型和 4 种商业模型上的实验表明，Gold‑Memory QA 表现普遍较好，但 Full‑Pipeline QA 下降显著，凸显了记忆生成环节的瓶颈。进一步的量化分析揭示了低 Capture 召回率、召回不完整以及不安全删除等问题，即使是最前沿的 LLM 也难以避免。
作者还通过严格实验验证了 URAM 的有效性，所有 20 种模型在引入 URAM 后均表现出正向提升。综上，DyadMem 是一个覆盖双域、全流程的记忆基准，提供了细粒度标注，为长期记忆研究提供了可靠评估平台。
点评：DyadMem 通过细致的记忆类别划分和全流程评估，填补了长期交互记忆基准的空白，为提升 LLM 在真实用户场景中的可靠性提供了重要参考。