StateBench：测试语言模型如何在长文档中追踪状态变化
Allen AI 在 Hugging Face 发布 StateBench 基准，用于评估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 四级难度组织。
#Hugging Face
Hugging Face BlogAI 评分5252 Hugging Face BlogAI 评分5858 IBM 用合成数据训练 20B 小模型 Palette 按指定设计语言生成幻灯片
IBM 在 Hugging Face 博客介绍 Palette，将 20B 开源权重模型用 LoRA 微调为设计师与编码者两个角色，按 IBM Design Language 生成幻灯片。
Hugging Face BlogAI 评分5858 Collinear AI 发布 CWE-bench v2：100 道安全漏洞修复任务开放公开评测
Collinear AI 发布 CWE-bench v2，公开 100 道任务供任何人运行和评测模型，覆盖 91 种 CWE，评分完全程序化、结果可复现。