热点事件观察中

LongReasonArena长推理基准发布，GPT-5准确率仅27.8%

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

研究者 Jiayu Ding 等人发布 LongReasonArena，一个专门评估大语言模型长推理能力的基准。任务要求模型执行多步算法（含检索与回溯），推理长度可扩展至 100 万 token。评测显示开源与闭源模型均受显著挑战：GPT-5 在 Level 3 上准确率仅 27.8%，且准确率随预期推理步数对数呈线性下降。作者称代码与数据已公开。

AI 根据报道生成 · 10 小时前更新

最新进展11月14日 13:00

LongReasonArena：面向大语言模型的长推理基准

报道时间线

沿着报道，了解事件的不同侧面。

11月14日

13:00
arXiv cs.AI
LongReasonArena：面向大语言模型的长推理基准
研究者提出 LongReasonArena，一个专门评估 LLM 长推理能力的基准，任务要求模型执行多步算法（含检索与回溯），推理长度可任意扩展至 100 万 token。评测显示开源与闭源模型均受显著挑战，GPT-5 在 Level 3 上准确率仅 27.8%，且准确率随预期推理步数对数呈线性下降。代码与数据已公开。

本事件热度走势

可比范围当前: 5
可比范围峰值: 711月15日 04:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。