ホットトピック継続更新中
研究团队推出大模型个人上下文基准P-ContextBench
1 件の報道1 件の報道元4 時間前 更新
まずこの件を把握する
AI 概要
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 が報道をもとに生成 · 4 時間前 更新
最新の進展11月2日 13:00
P-ContextBench基准发布，测试显示SOTA模型在时间追踪等任务准确率低于60%。報道タイムライン
報道をたどり、出来事のさまざまな側面を知る。
11月2日
- 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%。
このストーリーのホット度の推移
現在のホット度 9·比較可能範囲のピーク 10（11月2日 14:00）·直近24時間の比較可能な変化–
トレンドは継続して完全に観測した同じ主体のみを比較するため、現在のホット度の集計より範囲が狭い場合があります。ポインターの移動やタップで1時間ごとのホット度を確認でき、キーボードでは左右の矢印キーで切り替えられます。