2026-02-03 这一期

这一期没有导语。

本期收录

• 从上下文学习比我们想的更难 (2026-02-03 · Tencent Hunyuan Research)
  腾讯混元发布 CL-bench 基准，十款前沿模型平均解题率仅 17.2%，主要失败模式是忽略或误用上下文
• WorldVQA：测多模态模型的世界知识 (2026-02-03 · Kimi Blog)
  Moonshot AI 发布 3500 对图片-问题基准，前沿模型长尾知识准确率低于 50%，全部过度自信。
• 智谱 AI 发布 GLM-OCR (2026-02-03 · Z.ai Research)
  在 OmniDocBench V1.5 上以 94.6 分取得 SOTA，性能接近 Gemini-3-Pro，API 价格仅 0.2 元/百万 Tokens。