Hugging Face Blog·· 2 小时前精选
Allen AI 发布 StateBench 长文档状态追踪基准
StateBench: Testing how language models track state changes over long documents
事实摘要
Allen AI 在 Hugging Face 发布 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，基准按四种赋值操作划分四级难度。
原文与核验
这条信号在站内保留事实摘要与战略研判。完整内容和上下文请以原文为准；融资、并购与技术效果以原始披露为准。
战略研判
基于公开信息为什么值得关注
StateBench 把长上下文状态追踪拆成四级难度，为区分 Transformer 与循环/混合架构的能力边界提供了可复用的评测口径；结果显示前沿模型在最长输入的最难级别准确率降至 13% 或以下。
后续关注
各模型的具体上下文长度与提示格式是否公开；直接训练实验的结论能否在更大参数规模上复现。
来源：Hugging Face Blog · huggingface.co