热点事件观察中
研究人员推出个人上下文理解评测基准P-ContextBench
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
2026年11月2日，研究人员推出用于评测大语言模型个人上下文理解能力的基准 P-ContextBench。该基准包含 100 个数字人角色、10,088 个隐藏事实、18,261 条应用轨迹片段以及 4,810 个已验证测试用例，从单源与多源事实恢复、时序状态追踪、常规模式推断和约束安全处理五项能力展开评估。评测结果显示，主流 SOTA 模型在时序追踪和约束决策等任务上的准确率低于 60%，且在三次重复运行中均答对的测试用例不足 10%。
AI 根据报道生成 · 1 小时前更新
最新进展11月2日 13:00
研究者推出P-ContextBench基准，测试显示主流模型在时序追踪等任务上准确率低于60%。报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.AIP-ContextBench：从个人事实召回到个性化智能体行为的评测基准
研究者推出评测 LLM 个人上下文理解能力的基准 P-ContextBench，包含 100 个数字人角色、10,088 个隐藏事实、18,261 条应用轨迹片段和 4,810 个已验证测试用例。该基准评估单源与多源事实恢复、时序状态追踪、常规模式推断及约束安全处理五项能力。评测显示主流 SOTA 模型在时序追踪和约束决策等任务上准确率低于 60%，且三次重复运行均答对的用例不足 10%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。