论文：Gavel 揭示前沿 LLM 超长上下文处理缺陷
cocoweixu · x · 2026-08-28
EMNLP 2026 接收论文 Gavel 研究了前沿 LLM 在 50 万 token 法律案例摘要上的表现。研究发现模型在超过 25.6 万 token 后能力下降，且更倾向于遗漏关键信息而非产生幻觉。最佳模型 Gemini 2.5 Pro 得分仅约 50。论文还介绍了 Gavel-Agent，一种自主代理评估器，通过搜索源文档证据进行无参考评估，使用 Qwen3 可减少 36% token 使用量。
「研究」频道最新
- 观察：AI 评测正从离线走向在线 — vboykis · 2026-10-15
- StartLux-Decision 发布:RL 训练的校准决策模型,27B 得分 72.8 — startlux-models · 2026-10-15
- 9 个月内三分之一的数学预印本由 AI 参与写作 — IgorCarron · 2026-10-15
- AAAI/ACM AIES 论文:访谈 15 名从业者揭示负责任 AI 实践何以难持续 — ChinasaTOkolo · 2026-10-15
- Schmidt Sciences 投 1000 万美元资助 19 个 AI 人文研究团队 — OdedRechavi · 2026-10-15
- Reddit 讨论：模型训练是不是「过拟合」杀死了创造力 — Expensive-Paint-9490 · 2026-10-15