7款大模型实测：文档增多检索未降，多跳推理溃败

2026年10月12日，BestBlogs.dev 报道了一项针对 7 款大语言模型的实测基准，考察文档数量增加对模型表现的影响。结果显示，当文档数量增加至 50 篇时，检索准确率并未下降；但小型付费模型在跨文档多跳推理任务上出现严重溃败。报道未披露参与测试的具体模型名称、基准的完整设计及评测指标细节，也未说明该结果是否经过同行评议或复现。目前该事件仅有这一篇报道，后续进展有待观察。

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。