日期: 2025 年 7 月 19 日

给大模型来一场‘压力测试’，研究团队设计REST框架，在一个多任务并行推理场景中发现顶级模型的表现大幅缩水。通过上下文预算分配、跨问题干扰抵抗和动态认知负载管理等能力评估，揭示了当前评测方法的局限性，并提出了新的评测数据构建范式。