LaRA Benchmark

该数据集包含了2326个测试案例，涵盖了四个实际问答任务类别和三种自然产生的长文本类型。该数据集旨在促进对检索增强生成（RAG）和长上下文（LC）大型语言模型（LLM）的严格比较，重点关注它们在不同任务和模型配置下的性能表现。