LLM 基準測試

深度分析

SciTrek 基準測試：長上下文語言模型在科學文獻推理上的真實挑戰

長上下文語言模型（LCLM）在科學文獻處理上備受期待，但現有基準測試多聚焦於非科學文本或簡單資訊檢索任務，缺乏對多文件資訊整合與推理的評估。為此，研究團隊提出 SciTrek，一個以科學文章為基礎的問答基準測試，透過將問題轉化為 SQL 查詢，自動產生包含明確推理步驟的問答對，可擴展至百萬 token 的上下文長度。