arxiv · arXiv · 2026-09-30 01:55 · 评分 86
提出 LongHarness Bench，用于评估长上下文语言模型 harness 的有效性与效率，任务需多样检索策略，弥补现有评估在区分能力上的饱和问题。
原文：arXiv ｜ 返回 AI 资讯列表