Ai2 / Allen Institute for AI·· 9 天前AI 评分51
Ai2 发布 StateBench 基准，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
Ai2 推出 StateBench 基准，将长上下文状态追踪按难度分为 r-trivial、aperiodic、soluble、general finite 四级，并评测不同架构模型。
来源：Ai2 / Allen Institute for AI · allenai.org