OOLONG是2025年发布的长上下文基准,用于衡量语言模型阅读并汇总分散在长上下文中的信息来回答问题的能力。与寻找单个句子的大海捞针任务不同,它的任务要求逐一处理上下文中的大量条目并进行聚合或推理。
它用于展示模型得分随上下文长度增加而大幅下降的现象,并用于评估长上下文处理技术。
一个衡量模型阅读并汇总分散在长上下文中的信息的长上下文基准。
OOLONG是2025年发布的长上下文基准,用于衡量语言模型阅读并汇总分散在长上下文中的信息来回答问题的能力。与寻找单个句子的大海捞针任务不同,它的任务要求逐一处理上下文中的大量条目并进行聚合或推理。
它用于展示模型得分随上下文长度增加而大幅下降的现象,并用于评估长上下文处理技术。
本条目依据AIPOST的文章与广为人知的事实整理。如有错误,请通过更正请求告诉我们。
在考察跨多文档推理与聚合能力的 OOLONG 基准上,Gemini 2.5 Pro、Claude Sonnet 4 和 GPT-5 等领先模型的得分从 8k token 时接近 90% 跌到 512k token 时的大约 10% 到 40%。
阅读文章百科说明依据AIPOST的文章与广为人知的事实整理。如有错误,请通过更正请求告诉我们,我们会核实并修改。新文章中出现的名称会在文章发布后加入百科。