新型基准测试BABILong，它专门用来评估大语言模型（LLMs）处理超长文本上下文的能力。想象一下，你有一款智能助手，它需要阅读一篇非常长的文档，然后根据文档内容回答一些非常具体的问题。但是，文档中只有一小部分 ...... 阅读全文

新基准测试BABILong旨在评估自然语言处理（NLP）模型处理长文档和分布式事实的能力。BABILong通过在大量文本中“隐藏”问题和答案，模拟了在大量无关信息中寻找关键信息的场景，这对于模型来说是一个挑战。论文还介绍 ...... 阅读全文