longbench

ongbench 是由中国科学院自动化所联合清华大学等机构推出的中英双语长文本理解评测基准，共含 4500 余条测试样本、20 个任务，涵盖单/多文档问答、摘要、Few-shot 学习、代码补全等六大类场景，平均长度 5k–15k tokens，可全自动评估模型在 中文与英文长上下文 上的综合表现。