Long-Transduction：测试长跨度 AI 智能体可靠性基石

研究人员提出受控诊断基准 Long-Transduction，用于评估模型在长生成过程中持续执行算术、排序等状态依赖操作的能力。对 7 款开源权重模型的评测显示，上下文长度从 4-128K 扩展时性能下降 62.8%，改变输入格式和增加局部任务复杂度分别导致性能下降 36.5% 与 39.9%。