这些模子的多信息检索、时分重排序、操办、相识推明智商弘扬均不乐不雅。 在长文关节会智商这块，居然莫得一个大模子合格！ 北大聚合北京通用东谈主工智能探讨院提议了一个新基准数据集：LooGLE，专诚用于测试和评估谎话语模子（LLMs）长险阻文相识智商。 该数据集既冒昧评估LLMs对长文本的治理和检索智商，又不错评估其对文本长程依赖的建模和相识智商。 效果不评不知谈，一评估发现这些模子在复杂的长依赖任务中的多信息检索、时分重排序、操办、相识推明智商弘扬均不乐不雅。 比如像Claude3-200k，GP