热点事件持续更新
研究团队推出大模型个人上下文基准P-ContextBench
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 根据报道生成 · 3 小时前更新
最新进展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%。报道时间线
沿着报道，了解事件的不同侧面。
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%。
本事件热度走势
当前热度 9·可比范围峰值 10（11月2日 14:00）·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。