基准 ·2026年7月23日 · 约 1 分钟读完 ·arxiv.org Meta发布GAMUT长文本事实完整性评测基准 该基准用双层元评分表评测长文本事实完整性,发现最强模型仍遗漏近半关键内容。 A 原文来源 arxiv.org https://arxiv.org/abs/2607.19322 打开原文