打脸！GPT-4o输出长度8k都勉强，陈丹琦团队最新LLM基准测试

奇月 发自 凹非寺量子位 | 公众号 QbitAI 很多大模型的官方参数都声称自己可以输出长达32K tokens的内容，但这数字实际上是存在水分的？？ 最近，陈丹琦团队提出了一个全新的基准测试工具LONGPROC，专门用于检测长上下文模型处理复杂信息并生成回复的能力。 实验结果有点令人意外，团队发现，包括GPT-4o等最先进的模型在内，尽管模型在常用长上下文回忆基准上表现出色，但在处理复杂的长文生成任务时仍有很大的改进空间。 具体来说，测试的所有模型都声称自己上下文窗口大小......

2025-01-25