返回每日动态论文StateBench：测试语言模型如何在长文档中追踪状态变化Hugging Face 社区博客（混合发现）11月4日 01:15导读研究者推出 StateBench 基准，用于评测语言模型在长文档中追踪实体状态变化的能力，按 R-trivial、Aperiodic、Soluble、General finite 四个难度级别构建。