AllenAI 发布 StateBench 基准，测试语言模型长文档状态追踪能力
StateBench: Testing how language models track state changes over long documents
阅读原文
本站未展示全文，请前往来源网站阅读。
AI 导读
AllenAI（Ai2）推出 StateBench，一个评测长上下文状态追踪能力的基准，按可变赋值操作分为 r-trivial、aperiodic、soluble、general finite 四个难度层级。
来源：Hugging Face Blog · huggingface.co