腾讯混元发布 EvolveScaler 信息演化评测基准，模拟动态信息变更推理

腾讯混元于 2026 年 9 月 15 日发布信息演化评测基准 EvolveScaler，用于测试大模型在动态状态变更与长程信息演化环境下的推理表现。

• 基准将世界环境建模为可执行状态机并渲染为自然语言，模拟记录撤回、修正以及回填等现实信息变动过程。
• 评测体系包含 117 个原型、159 个问题算子与 5 个难度层级，单样本涵盖事件量最高约 1200 个。
• 测试表明 14 款前沿模型在最高难度层级上的 avg@5 得分中位数降至 11.3 分，而在使用该基准数据训练后，模型在 8 个分布外基准上平均提升 5.25 分。
• 影响/看点：该基准为长上下文模型处理动态变更信息提供了结构化评测工具，若模型能够有效适应此类状态回溯与修正推理，可能提升智能体在复杂流程追踪及日志审计中的执行准确率。
• 资料依据:
• 腾讯混元官方账号（2026-09-15）：https://x.com/TencentHunyuan/status/2099748549281939558

本内容由 AI 生成，仅供参考，请注意甄别