arXiv 人工智能· Grant Nasir Brown, Abdul Basir Bari, Anmol Tadikonda, Isabel Song·· 6 時間前AI スコア44
P-ContextBench：从个人事实召回到个性化智能体行为
P-ContextBench: From Personal Fact Recall to Personalized Agent Behavior
未翻訳のため中国語で表示しています。
AI ガイド
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%。
出典：arXiv 人工智能 · arxiv.org