"即使是如今最强的语言模型，在上下文的利用方面仍然做得不好，甚至可以说是还不会利用上下文，从上下文中学习。"2月3日，腾讯混元官网技术博客 (Tencent HY Research)发表了一篇名为《从上下文中学习，远比我们想象的要难》的文章，系统的介绍了腾讯混元团队联合复旦大学的一项新研究。 这是姚顺雨加入腾讯担任首席AI科学家后团队首次发布研究成果，也是腾讯混元技术博客首次公开。这一博客的推出，旨在分享腾讯混元研究员在前沿 技术研究和实践中的探索与经验，呈现创新思路与技术洞察。 详情见：https://hy.tencent.com/research 过去几年，大语言模型快速进化，如今的前沿模型，已经是顶级的"做题家"：它们能解开奥数级别的难题，能推演复杂的编程逻辑，甚至能通过那些人类 需要苦读数年才能拿下的专业资格考试。然而，在面临真实世界的任务时，模型表现还有待提升。 回看我们人类的日常工作：开发者扫过从未见过的工具文档，就能立刻开始调试代码；玩家拿起新游戏的规则书，在实战中边玩边学；科学家从复杂的实 验日志中筛选数据，推导出新的结论和定律。这些场景中，人类并不只依赖多年前学到的"死知识"，而是在实时地从 ...

智东西2月3日报道，刚刚，腾讯混元官网正式上线姚顺雨团队最新成果，发布了专门评测大语言模型能否从上下文（Context）中学习新知识并正确应用 的基准CL-bench。 这是姚顺雨加入腾讯混元担任首席AI科学家后，其团队首次发布研究成果，也是腾讯混元技术博客首次公开。 腾讯混元技术博客及致谢部分 大模型与人类在解决问题时关键区别为，大模型只能依赖预训练阶段的静态记忆，而人可以实时根据现场情况完成任务。腾讯混元研究团队实测发现，当 前的SOTA模型几乎都不会从上下文中学习，表现最好的GPT-5.1（high）任务成功率也仅有23.7%。 | All | OpenAl | Anthropic | Google | Alibaba | DeepSeek Moonshot | ByteDance | Tencent | All | High Reasoning | Low/No Reasoning | | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | Overall | | | Domain Knowledge ...