Hugging Face Blog·· 1 天前精选AI 评分58
StateBench：测试语言模型如何在长文档中跟踪状态变化
StateBench: Testing how language models track state changes over long documents
AI 导读
Allen AI 在 Hugging Face 发布 StateBench 基准，用于评测语言模型在长文档中跟踪实体状态变化的能力，按 r-trivial、aperiodic、soluble、general finite 四个难度层级设计。
推荐理由
StateBench 按四种状态跟踪难度分层评测，并对比 Transformer 与 Gated DeltaNet 等架构的失效边界。
来源：Hugging Face Blog · huggingface.co