Benchmark
NIH/Multi-needle
long_context
text
Multi-needle in a haystack benchmark for evaluating long-context comprehension capabilities of language models by testing retrieval of multiple target pieces of information from extended documents
语言EN
满分1
参评模型1
模型排名
| 名次 | 模型 | 机构 | 分数 | 来源 |
|---|---|---|---|---|
| 1 | Llama 3.2 3B Instruct | Meta | 84.7 | 来源 ↗ |