H2HMem提出首个面向人-人交互场景的多模态记忆评测基准，包含7000+对话轮次、1000+图片和2000+QA对，覆盖双人/多人对话场景。该工作创新性地将记忆能力细分为9类任务（回忆/推理/应用三级），实验揭示当前系统的关键缺陷并非记忆容量不足，而是多模态对齐和说话人追踪能力的缺失。研究表明，多人对话会使记忆性能下降49%，凸显交互历史结构化建模的重要性，为超越传统RAG的记忆系统发展指明方向