Hugging Face Blog·· 3 天前AI 评分52
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
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。
来源：Hugging Face Blog · huggingface.co