Hugging Face Blog·· 1 天前精选AI 评分62
StateBench：测试语言模型在长文档中追踪状态变化的能力
StateBench: Testing how language models track state changes over long documents
AI 导读
AllenAI 发布 StateBench 基准，用四个难度层级（R-trivial、Aperiodic、Soluble、General finite）量化语言模型在长文档中追踪实体状态变化的能力。
推荐理由
StateBench 用四个难度层级量化长文档状态追踪，揭示 Transformer 与 Gated DeltaNet 的架构差异，方法可迁移到架构选型。
来源：Hugging Face Blog · huggingface.co