Hugging Face Blog·· 1 小时前AI 评分55
StateBench：测试语言模型如何在长文档中追踪状态变化
StateBench: Testing how language models track state changes over long documents
AI 导读
AI2 在 Hugging Face 发布 StateBench 基准，用于评测语言模型在长文档中追踪实体状态变化的能力，按 R-trivial、Aperiodic、Soluble、General finite 四个难度级别组织任务。
来源：Hugging Face Blog · huggingface.co