KEEP-Bench 揭穿上下文压缩：答案对不等于证据保得住

KEEP-Bench 用于检验上下文压缩的忠实性，揭示答案正确但关键证据丢失或错误绑定的“蒙混过关”现象。该基准将参考答案拆解为原子证据命题，由评审模型逐条判断压缩后的上下文是否仍蕴含每条命题，从而捕获传统 QA 评测遗漏的不忠实压缩。