Hugging Face Blog·· 4 小时前AI 评分55
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
AllenAI 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，并按赋值复杂度分为 r-trivial、aperiodic、soluble、general finite 四个难度层级。
来源：Hugging Face Blog · huggingface.co