Hugging Face发布长上下文状态追踪基准StateBench

2026年11月4日，Hugging Face 在其博客发布长上下文评测基准 StateBench，用于测试语言模型在长文档中追踪实体状态变化的能力。该基准按四个难度等级构建：R-trivial、Aperiodic、Soluble 与 General finite。报道未披露基准的题目规模、评测模型名单或具体成绩等细节。目前该基准处于发布阶段，后续进展尚待报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。