KnowMT-Bench：多轮对话知识密集型长问答基准

新基准 KnowMT-Bench 揭示多轮对话中模型事实能力下降，RAG 可缓解。

资讯摘要

论文提出 KnowMT-Bench，用于评估大语言模型在医学、金融、法律等知识密集型领域进行多轮长文本问答的能力。该基准采用动态评估设置，由模型根据逻辑递进的问题序列自行生成多轮对话历史。作者报告，实验显示模型在多轮对话中事实能力与信息传递效率均出现下降；缓解策略中领域微调收益因领域而异，主动上下文去噪与 RAG 更稳定地缓解问题，RAG 可逆转性能下降。代码与数据已公开。

要点速读

1. 论文指出已有基准多限于单轮对话，多轮基准通常评估其他能力而非知识密集型事实性。
2. KnowMT-Bench 覆盖医学、金融、法律领域，采用模型自行生成多轮对话历史的动态评估设置。
3. 作者报告多轮对话下事实能力与信息传递效率下降，RAG 可逆转该性能下降，领域微调收益因领域而异。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/28 08:00:17（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。