#LEAPS

LEAPS基准发布：长上下文模型召回满分，状态跟踪与模式学习却大幅滑坡

LEAPS长上下文评测基准包含12个抗污染数据集，评估30个模型发现：召回满分模型在状态跟踪和模式学习上大幅退化，思考模型反而不如基础模型。