ICML 新基准 NCP-Bench：最强模型 20 轮后叙事一致性仅 42%
arnicas · x · 2026-08-14
ICML 2026 提出了一项名为 NCP-Bench 的新基准测试，专门评估 LLM 智能体在长程交互（长达 100 轮）中保持故事叙事一致性的能力。
- 测试环境：基于 100 个电影场景构建。
- 实验结果：表现最好的模型在 20 轮对话后，存活率（一致性保持率）仅为 42%。
所属事件:ICML 新基准 NCP-Bench 评估大模型长程叙事一致性(2 条相关)→
「研究」频道最新
- AI 数学形式化加速：3周解决11个难题，2027年95%新论文可一天形式化 — RexDouglass · 2026-08-14
- 京东开源 EgoLive：1680 小时第一视角机器人数据集 — CyberRobooo · 2026-08-14
- 京东开源EgoLive数据集：1680小时第一视角视频，推动具身智能 — CyberRobooo · 2026-08-14
- AI 智能体 Specula 自动发现 249 个 bug，但专家质疑其根本方法 — tianyin_xu · 2026-08-14
- Claude 失败 650 次后打破人类纪录，攻克黎曼猜想难题 — Two Minute Papers · 2026-08-14
- 研究者盛赞：LLM论文中难得的可读之作 — spikedoanz · 2026-08-14