Bilanz der Quelle: Der neue Benchmark LongBench v2 umfasst 503 Multiple-Choice-Fragen mit Kontexten von 8.000 bis zwei Millionen Wörtern. Menschliche Experten erreichen unter Zeitdruck 53,7 Prozent, das beste Modell ohne längeren Denkschritt 50,1 Prozent; mit langem Denkschritt kommt ein Modell auf 57,7 Prozent.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von arxiv.org. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Kalina Digest unterstützen
Lesen bleibt frei. Wer mag, gibt etwas zurück — ab 1 € einmalig, oder als Stufe für einen Monat, ein Quartal oder ein Jahr. Bisher: 5.00 € aus 1 Beiträgen.
