搜索
腾讯混元联合复旦发布CL-bench基准 揭示语言模型Context学习能力严重不足
20 小时前
腾讯混元团队与复旦大学联合发布研究，揭示顶尖大语言模型（如GPT-5.1、Claude Opus等）在静态知识测试中表现优异，但严重缺乏从动态上下文中实时学习新知识的能力。为此，研究团队提出CL-bench评估基准，该基准涵盖500个复杂场景及近3.2万项验证标准。实验结果显示，十大前沿模型在CL-bench上的平均任务解决率仅为17.2%，表现最佳的GPT-5.1也仅达23.7%。这表明当前模型在上下文学习方面存在显著短板，难以胜任真实世界任务。研究指出，提升模型的上下文学习能力是推动AI在高价值场景落地的关键。
