TQA-Bench

新的TQA-Bench基准测试评估LLM的多表问答能力

研究人员推出了TQA-Bench，这是一个新的基准测试，旨在评估大型语言模型（LLM）在回答跨多个相关表中的复杂问题的能力。现有的基准测试通常因侧重于单个表而不足，未能捕捉金融和医疗保健等领域的现实场景。TQA-Bench利用真实世界的数据集，并支持高达64K token的可变上下文长度，从而能够更全面地评估LLM在复杂数据分析任务中的性能。