ENPMR-Bench：为情感支持智能体评估主动记忆检索
计算与语言
2026-05-27 v1
摘要
记忆增强型语言智能体越来越多地部署在情感应用中，如情感支持领域，理解和响应用户潜在情感需求至关重要。然而，现有研究常将记忆当作事实检索工具，忽视其在塑造用户情感体验中所起的作用。在本工作中，我们引入ENPMR-Bench，用于评估情感需求感知式主动记忆检索（ENPMR），这是一种核心能力，使智能体能够推断用户潜在情感需求并主动检索 appropriate 记忆以支持共情互动。基于马斯洛需求层次，ENPMR-Bench 包含超过1,800个记忆增强式对话，并定义情感需求与支持性记忆类型的结构化映射。实验结果表明，当前的检索范式，包括基于嵌入和基于LLM的方法，均存在显著不足，情感得分显著低于金色记忆条件。虽然链式思考提示在一定程度上改善了推断情感需求与检索记忆之间的对齐，但仍存在显著的性能差距。总体而言，这些发现揭示了当前智能体的关键局限性，为通过需求敏感记忆检索实现个性化情感支持指明了方向。
引用
@article{arxiv.2605.27240,
title = {ENPMR-Bench: Benchmarking Proactive Memory Retrieval for Emotional Support Agents},
author = {Xing Fu and Yulin Hu and Mengtong Ji and Haozhen Li and Yixin Sun and Weixiang Zhao and Yanyan Zhao and Bing Qin},
journal= {arXiv preprint arXiv:2605.27240},
year = {2026}
}