Hugging Face Blog·· 3 小时前AI 评分50
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
Hugging Face 推出 StateBench，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 四个难度等级构建。
来源：Hugging Face Blog · huggingface.co