行业与实践 · 研究与基准测试

研究与基准测试/2026-08-21/8 分钟

中位输入大约是语料的 1%：阿里把长程上下文做成可执行会话

阿里 Scroll 把会话历史留在只读日志里，模型写代码查询，只有打印结果进入下一轮。BEAM 10M 为 73.1，但 LongMemEval S 的 94.8 低于已有公开最高分；同骨干下相对 CodeAct 只高 1.4 个百分点。