研究人员推出了GraphNIAH,一个旨在利用真实世界引用图谱测试大型语言模型(LLM)长期上下文推理能力的新基准。与之前的基准不同,GraphNIAH采用在模型知识截止日期之后发表的论文动态构建,防止数据污染并模拟真实的推理挑战。对包括GPT-5.6、Gemini-3.*和Qwen 3.5在内的模型的评估显示,随着推理深度的增加,性能显著下降,即使所有必要信息都存在于上下文中,模型也常常无法找到答案。 AI
影响 凸显了当前LLM在扩展上下文上执行复杂推理的能力限制,表明需要进行架构改进。
排序理由 该项目描述了一个用于评估LLM的新基准,属于研究范畴。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- DagsHub
- Gemini-3.*
- Gotit.pub
- GPT-5.6
- GraphNIAH
- Hugging Face
- Influence Flower
- Litmaps
- National Inventory of Architectural Heritage
- Qwen 3.5
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →