AI2 推出 StateBench 基准，测语言模型在长文档中的状态追踪能力
AI2 发布 StateBench 基准，按四个难度级别评测语言模型在长文档中追踪实体状态变化的能力。
#Hugging Face
Hugging Face BlogAI 评分5151 Hugging Face BlogAI 评分4545 Hugging Face 发布 Palette：用合成数据教会小型开源模型按你的设计语言制作幻灯片
Hugging Face 推出 Palette，一个经 LoRA 微调的 20B 开源权重模型，按 IBM Design Language 训练，学习“设计师+程序员”分工方式生成幻灯片，在 PresentBench 三个领域中的两个排名第一。
Hugging Face BlogAI 评分4747 Collinear AI 发布 CWE-bench v2：覆盖更广、质量与透明度更高
Collinear AI 推出 CWE-bench v2，公开 100 个网络安全任务，覆盖 91 种不同 CWE，评测完全程序化、结果可复现，任务均经人工审核。