热点事件持续更新
研究团队推出长上下文社交对话评测基准LongSocialBench
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月6日，研究人员推出用于评测长上下文大语言模型社交推理能力的基准 LongSocialBench。该基准包含来自 Hacker News、Stack Exchange 等平台的 1,462 道选择题，测试文本中位数长度约为 73K tokens。在针对 18 个模型的评测中，所有模型全上下文基线平均准确率仅为 43.9%；其中表现最佳的 Claude-Opus-4.7 取得了 63.0% 的准确率，但仍明显低于人类读者的 72.4%。
AI 根据报道生成 · 3 小时前更新
最新进展10月6日 12:00
研究团队发布长文本基准 LongSocialBench，评测显示模型最高准确率达 63.0%，仍落后于人类表现。报道时间线
沿着报道，了解事件的不同侧面。
10月6日
- arXiv 自然语言处理LongSocialBench：长上下文大语言模型能否理解在线讨论帖？
研究人员推出评测长上下文大语言模型社交推理能力的基准 LongSocialBench，包含来自 Hacker News、Stack Exchange 等平台的 1,462 道选择题，中位数长度约 73K tokens。在 18 个模型的评测中，表现最佳的 Claude-Opus-4.7 取得 63.0% 的准确率，仍明显低于人类读者的 72.4%，所有模型全上下文基线平均分仅为 43.9%。
本事件热度走势
当前热度 9·可比范围峰值 10（10月6日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。