长文本生成的“中间迷途”：当AI在信息洪流中迷失与觉醒

🌌 长文本生成的困境：当AI在信息洪流中迷失

在人工智能领域，大型语言模型（LLM）如同拥有无限记忆的超级读者，能轻松消化整座图书馆的藏书。但当被要求撰写万字论文时，这些"博学者"往往只能产出不足两千字的短文——这就像让美食家品尝满汉全席后，只能复述前菜和甜点的味道。更令人困扰的是，当输入文本超过8000词时，模型会像在图书馆迷路的读者，对"中间书架"的内容视而不见，这种现象被形象地称为"中间丢失"（Lost-in-the-Middle）。

北京航空航天大学团队的最新研究揭示了这一困境：现有长文本生成方法多聚焦于短输入→长输出场景，而真实世界中大量存在的长输入→长输出任务（如基于多篇论文撰写综述、分析海量日志生成报告）却缺乏系统性的评估基准。就像要求厨师根据整本菜谱创作新菜品，现有工具难以同时处理复杂的原料组合与创新要求。

🧩 破局之道：LONGINOUTBENCH基准的诞生

研究团队打造的LONGINOUTBENCH基准，如同为AI打造的"信息马拉松"赛道。该基准包含：