Ai2 发布 StateBench 基准，测试语言模型在长文档中的状态追踪能力

导读

Ai2 推出 StateBench，一个用于评估长上下文状态追踪的基准，按变量赋值方式划分 r-trivial、aperiodic、soluble 和 general finite 四个难度层级。