基准LongBench v2
LongBench-v2
LongBench-v2是用于评估大语言模型长文本理解能力的基准数据集，包含多选题形式的长上下文问答任务，是长文本QA研究的重要评测集
时间轴 (近 90 天)
9月24日
在18k字符预算下，锚定混合检索达到36.18%准确率，BM25达到35.98%，而最佳的直接规划器引导方法仅为34.19%
待验证50%
9月24日
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
待验证50%
9月24日
该研究的局限在于规模仅限于单一模型Qwen2.5-7B-Instruct和单一数据集LongBench-v2，且训练数据量较小（仅168题）
待验证50%