Hugging Face Blog·· 19 小时前AI 评分48
StateBench：测试语言模型在长文档中的状态追踪能力
StateBench: Testing how language models track state changes over long documents
AI 导读
Hugging Face 推出长上下文状态追踪评测基准 StateBench，用于评估语言模型在长文档中跟踪实体状态变化的能力。该基准设 R-trivial、Aperiodic、Soluble 和 General finite 四个难度级别。
来源：Hugging Face Blog · huggingface.co