英文：Long-Context Evaluation 分类：eval
评估模型在长上下文（数万至百万 Token）下的能力：长文档理解、长程信息检索（大海捞针）、长上下文忠实度与长文本生成质量。
任务类型：长文档 QA、Needle-in-a-Haystack（信息定位）、长上下文推理、多文档综合；关键点：位置偏差（中间遗忘）、注意力退化、忠实度（长文中幻觉）；基准：LongBench、L-Eval、RULER。
用于长上下文模型选型（上下文窗口宣称验证）、RAG 系统（长文档处理）、代码库问答与书籍分析；长文本评测是"长上下文营销"的事实检验。