LifeAgentBench：数字健康中个性化健康助手的多维基准和代理

个性化数字健康支持需要对异构生活方式信号进行长期、跨维度的推理，而移动传感和大语言模型（LLMs）的最新进展使这种支持日益可行。然而，由于缺乏系统性基准，当前LLMs在此场景下的能力尚不明确。本文介绍了LifeAgentBench，一个用于长期、跨维度和多用户生活方式健康推理的大规模问答基准，包含22,573个问题，从基本检索到复杂推理均有覆盖。我们发布了一个可扩展的基准构建流程和标准化评估协议，以实现对基于LLM的健康助手的可靠和可扩展评估。随后，我们系统地评估了11种领先的LLMs，并识别出长期聚合和跨维度推理中的关键瓶颈。受这些发现的启发，我们提出了LifeAgent，一种集成多步骤证据检索与确定性聚合的强基线代理，相较于两种广泛使用的基线方法取得了显著改进。案例研究进一步展示了其在现实日常场景中的潜力。该基准公开于https://anonymous.4open.science/r/LifeAgentBench-CE7B。