研究团队发布个人上下文基准P-ContextBench

研究团队发布 P-ContextBench，用于评估大语言模型理解个人上下文的能力。该基准包含 100 个数字人、10,088 条隐藏事实、18,261 条应用记录片段和 4,810 个已验证测试用例，覆盖从个人事实回忆到个性化智能体行为的评测。作者称其为一个真实、可验证且可扩展的基准。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。