MIR-Bench：通过多次上下文归纳推理评估LLM的长上下文智能

本研究解决了当前大语言模型在长上下文归纳推理评估中的不足，提出了MIR-Bench这一首个多次上下文归纳推理基准。该基准要求模型通过输入输出示例从多样数据格式中归纳输出，研究了模型在面对错误示例和思路链效应下的鲁棒性，并获得了有价值的发现。