网友提议“职业倦怠基准”，测试 LLM 上下文耐力

yacinelearning · x · 2026-08-27

作者提出了一个极具创意的评测方案“Burnout Bench”：将基准测试中的任务链接起来，逐一在上下文中提供给 LLM 并累计分数。当 LLM 完成一项后，在同一上下文中给出另一个基准测试，完成后再次给出第一个，循环往复直至模型“精神崩溃”（失效）。这旨在测试模型在极长上下文和连续任务下的耐用性。