Needle in a Haystack
由Greg Kamradt于2023年提出的大模型长上下文评测方法，通过在长文本不同位置插入目标句并检测模型检索能力，绘制二维热力图评估模型在不同上下文位置的检索成功率
核心事实
时间轴 (近 90 天)
大海捞针测试将无关的目标句随机插入长文本不同位置，通过询问模型绘制「位置×上下文长度」的二维热力图，呈现检索成功率
单跳大海捞针、多年前的污染基准、少样本上下文学习这三类评测场景对压缩和稀疏方法最为友好，几乎能让任何方法表现优异
Needle in a Haystack测试由Greg Kamradt于2023年底提出，最初使用Paul Graham的文章作为填充文本，'针'是一句关于旧金山最好披萨店的陈述
在单跳大海捞针任务中，关键的KV对在注意力分数上天然突出，压缩方法几乎不可能丢掉它，使其对压缩方法过于'友好'
Needle in a Haystack测试由Greg Kamradt于2023年底提出，最初使用Paul Graham的文章作为填充文本
单跳大海捞针、污染基准、少样本上下文学习这三类评测任务对压缩和稀疏方法最为友好，大多数在滑动窗口注意力下就能通过
Needle in a Haystack测试最初由Greg Kamradt于2023年底提出，用于评估模型在长上下文中精确检索特定信息的能力
全部知识事实 (7)
Needle in a Haystack测试最初由Greg Kamradt于2023年底提出，用于评估模型在长上下文中精确检索特定信息的能力
80%待验证大海捞针测试将无关的目标句随机插入长文本不同位置，通过询问模型绘制「位置×上下文长度」的二维热力图，呈现检索成功率
50%待验证单跳大海捞针、多年前的污染基准、少样本上下文学习这三类评测场景对压缩和稀疏方法最为友好，几乎能让任何方法表现优异
50%待验证Needle in a Haystack测试由Greg Kamradt于2023年底提出，最初使用Paul Graham的文章作为填充文本，'针'是一句关于旧金山最好披萨店的陈述
50%待验证在单跳大海捞针任务中，关键的KV对在注意力分数上天然突出，压缩方法几乎不可能丢掉它，使其对压缩方法过于'友好'
50%待验证Needle in a Haystack测试由Greg Kamradt于2023年底提出，最初使用Paul Graham的文章作为填充文本
50%待验证单跳大海捞针、污染基准、少样本上下文学习这三类评测任务对压缩和稀疏方法最为友好，大多数在滑动窗口注意力下就能通过
50%