arXiv ID:
2607.08284
arXiv 提交日期: 2026-07-09
理解长文本任务中的难度轴:基于PredicateLongBench的研究 / Understanding Axes of Difficulty For Long Context Tasks Via PredicateLongBench
1️⃣ 一句话总结
该论文提出了PredicateLongBench测试集,通过让模型在长文本中找出符合特定规则(如按字母顺序)的最长连续单词序列,从多个难度维度(而非单一平均成绩)系统评估大语言模型的长文本理解能力,发现即使最先进的模型在增加难度时也表现不佳。