赏月斋

摘要： 原文链接：https://arxiv.org/pdf/2602.03587 这篇文档核心是提出了一个叫“CL-bench”的评估基准，专门测试大语言模型的“语境学习能力”——简单说就是模型能不能从新给的复杂信息里学知识，再用这些知识解决实际问题。 为什么要做这个基准？ 现在的大语言模型（比如GPT、 阅读全文