为什么重要
多数 LLM 评测聚焦长文本理解，LongWriter 专注长文本生成：评测模型能否生成超过 10K token 的结构化、连贯长文。
返回评测
长文本 长上下文-生成 未饱和
模态 · 文本
任务 · 开放生成
LongWriter
评测 LLM 生成 10K+ token 长文本的能力
Tsinghua University ·
考察能力
长文本生成 结构组织 内容一致性
构建信息
- 数据规模
- 200 任务
- 评测方式
- GPT-4 评分 + 长度统计
- 核心指标
- Quality Score / Length
资源链接
模型效果排行
🥇 Claude 3.5 Sonnet
8.2/10
🥈 GPT-4o
7.5/10
长文本生成 写作 结构化