MRCR 长上下文基准陷刷分争议

研究员 eliebakouch 指出长上下文基准 MRCR 疑似被严重刷分：仅用约 1k 个样本训练，就能把长上下文成绩从 60% 提升到 90%，若只依赖该基准衡量长上下文能力会有误导性。随后 Google MRCR 作者 Kiran Vodrahalli 回应称，MRCR 本质上测的不是「大海捞针」式检索，而是顺序理解能力，争论仍在持续。

2026-09-03 ~ 2026-09-03 · 2 条相关

• MRCR 疑似被刷爆：1k 样本即可把长上下文成绩从 60% 提到 90% — eliebakouch · 2026-09-03
• MRCR 作者回应刷分争议：它测的不是检索，而是顺序理解 — eliebakouch · 2026-09-03