AI也怕压力大？REST多题评测挑战推理极限，DeepSeek性能暴跌近30%
给 AI 一场压力测试，结果显示顶级模型在多任务并行推理场景下表现大幅缩水。研究团队设计的 REST 框架在一个 prompt 中同时抛出多个问题，揭示了大模型在实际应用中的不足之处，并提出新的评测方法来提升评估效果。
29.1%
AI“压力面”，DeepSeek性能暴跌近30% 清华&上海AI Lab
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。