微软推出LongCapHarness长上下文框架

微软研究团队提出LongCapHarness，通过重写能力原语、状态跟踪和控制逻辑增强小模型的长上下文推理，无需数据合成、后训练或模型训练；应用于Llama3-8B后，HELMET和RULER基准平均提升64.18分，成本约540美元。 该框架由GPT-5.6-Sol在开发集上多轮自我改进后编写，也可迁移至Qwen2.5-3B。微软称，在HELMET和RULER测试中，其效果超过依赖数据合成与训练的NExtLong和PolicyLong，后者成本为数千美元；若改由小模型自行构建框架，提升效果会明显下降。

AI 根据报道生成 · 17 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。