BriefGPT - AI 论文速递 · 2025-02-25T00:00:00Z DocPuzzle：评估现实长篇上下文推理能力的过程意识基准 💡 原文中文，约500字，阅读约需2分钟。 📝 内容提要 本研究提出了DocPuzzle基准，用于评估大型语言模型在长篇上下文中的推理能力。基准包含100个需要多步推理的专家级QA问题。评估结果表明，慢思维推理模型优于一般指令模型，而蒸馏推理模型与教师模型之间存在显著差距。 🏷️ 标签 DocPuzzle 多步推理 推理能力 评估结果 语言模型 阅读原文 生成长图 分享链接 已复制链接
