研究团队推出大模型个人上下文基准P-ContextBench
Start here
2026年11月，研究团队发布新基准P-ContextBench，用于评估大语言模型对个人上下文的理解能力。该基准涵盖100个数字人、10,088个隐藏事实和4,810个验证测试用例，重点测试事实恢复、时间追踪、模式推断及约束处理等5项能力。评测结果显示，当前高性价比SOTA大模型在时间追踪、模式推断与约束决策上的准确率均低于60%，3次重复测试全对率不足10%。
AI-generated from reports · Updated 4 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能P-ContextBench：从个人事实召回到个性化智能体行为
P-ContextBench 是用于评估大语言模型个人上下文理解的新基准，涵盖 100 个数字人、10,088 个隐藏事实和 4,810 个验证测试用例。该基准重点测试事实恢复、时间追踪、模式推断及约束处理等 5 项能力。评测显示高性价比 SOTA LLM 在时间追踪、模式推断与约束决策上的准确率低于 60%，3 次重复测试全对率不足 10%。
Story heat trend
Current heat 9·Comparable peak 10（Nov 2 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.