正在加载页面…
来源:paper:pp. 19–20, B.5, Table 10
这条 Claim 暂无已发布的不可变 Assessment。
这条 Claim 暂无关联执行。
已评估 0/20 项
保留同一结论下的完整结果组。已有评估排在前面;单项判断不替代整组结论。展开行查看条件、来源与历次证据。
| 指标与条件 | 论文报告 | 最近可用实测 | 证据判断 |
|---|---|---|---|
benchmark: LoCoMo F1 · statisticOrRun: Run 1 | 52.09 F1 points (0–100) | — | 尚未评估 |
benchmark: LoCoMo F1 · statisticOrRun: Run 2 | 52.68 F1 points (0–100) | — | 尚未评估 |
benchmark: LoCoMo F1 · statisticOrRun: Run 3 | 51.1 F1 points (0–100) | — | 尚未评估 |
benchmark: LoCoMo F1 · statisticOrRun: Mean | 51.96 F1 points (0–100) | — | 尚未评估 |
benchmark: LoCoMo F1 · statisticOrRun: Std. | 0.8 F1 points (0–100) | — | 尚未评估 |
benchmark: LongMemEval Acc. · statisticOrRun: Run 1 | 65.2% | — | 尚未评估 |
benchmark: LongMemEval Acc. · statisticOrRun: Run 2 | 64.6% | — | 尚未评估 |
benchmark: LongMemEval Acc. · statisticOrRun: Run 3 | 65% | — | 尚未评估 |
benchmark: LongMemEval Acc. · statisticOrRun: Mean | 64.93% | — | 尚未评估 |
benchmark: LongMemEval Acc. · statisticOrRun: Std. | 0.31 percentage points | — | 尚未评估 |
benchmark: NarrativeQA F1 · statisticOrRun: Run 1 | 45.72 F1 points (0–100) | — | 尚未评估 |
benchmark: NarrativeQA F1 · statisticOrRun: Run 2 | 43.37 F1 points (0–100) | — | 尚未评估 |