Hugging Face Blog·· 2 小时前精选AI 评分70
AllenAI 发布 StateBench，评测语言模型在长文档中的状态跟踪能力
StateBench: Testing how language models track state changes over long documents
AI 导读
AllenAI 发布 StateBench 长上下文状态跟踪基准及配套技术报告、数据和代码，用于测试模型在实体信息随文档演化时的更新追踪能力。
推荐理由
该报告按四级难度系统比较不同架构的状态跟踪能力，并公开数据集与代码，便于复现实验和设计训练评测。
来源：Hugging Face Blog · huggingface.co