Dec, 2024

LongBench v2:深入理解和推理现实长期上下文多任务的探索

TL;DR本研究解决了大语言模型在处理长上下文问题时缺乏深度理解与推理能力的gap,提出了LongBench v2基准,其中包含503个困难的选择题,涉及多种实际任务。研究发现,增强推理能力和扩大推理时间的计算资源对于应对长上下文挑战至关重要,而最佳模型仅实现了50.1%的准确率,显示了现有技术的不足和进一步改进的潜力。