在大语言模型能力快速提升的背景下，业界对其“能做什么”的期待持续走高。近期，腾讯混元团队在技术博客发布文章《从Context学习，远比我们想象的要难》，系统介绍其与复旦大学共同完成的一项研究，并推出“CL-bench”基准测试。这也是姚顺雨入职腾讯担任首席科学家后带队对外发布的首项研究进展。研究聚焦一个关键差距：模型在静态知识与标准化考试中表现突出，但真实工作场景往往充满杂乱信息、规则更新与环境变化，模型能否“边读边学、学以致用”，仍有明显不足。
大语言模型的发展正处在从“参数积累”走向“能力跃迁”的关键阶段；CL-bench基准测试的推出，不仅为业界提供了衡量模型真实能力的新标尺，也更直接地呈现了技术与实际应用之间的差距。这项研究提示，模型性能提升不应只停留在学术指标上，更要面向真实世界的复杂问题。随着对情境学习能力研究的深入，大语言模型有望从“考试高手”逐步成长为“实战能手”，在更广泛的应用领域释放更大价值。