为什么重要
传统阅读理解基准关注的是事实性信息——可以通过定位特定文本证据来回答。但许多现实任务需要理解的是分布性信息：大量评论中的情感倾向、讨论中的话题频率分布、群体层面的偏好趋势。Text2DistBench 首次系统性地定义并评估了这一”分布式阅读理解”能力。
核心设计
基准从真实 YouTube 评论中构建，覆盖电影和音乐领域。任务类型包括情感比例估计（正面/负面评论占比）和话题频率排序（最常见/次常见讨论主题）等。构建流水线完全自动化且可持续更新，确保基准不会过时。数据集托管于 HuggingFace，代码开源于 GitHub。
关键发现
所有测试 LLM 均显著超过随机基线，但在不同分布类型和特征上的表现差异显著。这揭示了当前 LLM 在分布式理解上存在不均衡的能力格局——某些类型的分布推理（如简单的多数/少数判断）相对容易，而精确的比例估计和复杂的多维分布理解仍是难点。