Hugging Face Blog·· 3 小时前AI 评分59
StateBench 发布长文档状态追踪基准，分四级评估状态更新难度
StateBench: Testing how language models track state changes over long documents
AI 导读
StateBench 发布长文档状态追踪基准，将任务分为 r-trivial、aperiodic、soluble 和 general finite 四个难度层级。
来源：Hugging Face Blog · huggingface.co