待验证50% 置信事实精确时间
研究以LongBench-v2数据集的全部503道多选题为主要诊断集，答案模型采用Qwen2.5-7B-Instruct
1
来源数
50%
置信度
长期有效
时效性
2026/9/24
首次发现
来源
涉及实体
相关事实
待验证Artificial Analysis将Qwen3 27B纳入评测榜单并完成了一系列基准测试66% 相似待验证研究团队在专有模型和开源权重模型上使用多种智能体框架进行了广泛评测，最先进模型如GLM-5.2、Claude-Sonnet-4.6等表现仅过半64% 相似待验证长上下文检索准确率通过Needle-in-a-Haystack测试衡量模型在超长文档中精准定位关键信息的能力64% 相似待验证RULER是2024年由NVIDIA研究团队提出的长上下文评估基准，包含13个合成任务，分为NIAH、Variable Tracking、Common/Frequent Words Extraction及基于SQuAD/HotpotQA的问答四大类63% 相似待验证路由层通过分析请求的token长度、代码上下文复杂度、是否涉及多文件操作等维度决定调用哪个模型62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/946184API
curl https://kongchang.com/api/v1/knowledge/claims/946184MCP
get_claim(id=946184)