快手等发布LongBanana多参考图基准

快手Kwai-Kolors联合多所高校发布LongBanana长上下文多参考图生成基准，包含90个专家验证任务和4670项专家标注评测，代码与数据均已开源。 基准按3×3分类法组织任务，每个任务约含32张参考图、20个约束和50个评测项，用于检验模型整合多张参考图并遵循复杂要求的能力。实验中，最小agent harness表现优于直接生成；ReAct-Plan-Exec-Reflect工作流可增强模型的证据接地与错误修复能力。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。