热点事件持续更新
StateBench发布：评估长文档状态追踪能力
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
2026年11月4日，AllenAI（Ai2）在Hugging Face博客发布StateBench基准，用于评测语言模型在长文档中的状态追踪能力。该基准按可变赋值操作划分为四个难度层级：r-trivial、aperiodic、soluble和general finite。报道未披露基准规模、评测结果或后续计划。
AI 根据报道生成 · 1 小时前更新
最新进展11月4日 01:15
AllenAI发布StateBench基准，按可变赋值操作分四个难度层级评测状态追踪。报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- Hugging Face BlogAllenAI 发布 StateBench 基准，测试语言模型长文档状态追踪能力
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。