Hugging Face Blog·· 23 小时前AI 评分51
AI2 推出 StateBench 基准，测语言模型在长文档中的状态追踪能力
StateBench: Testing how language models track state changes over long documents
AI 导读
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。
来源：Hugging Face Blog · huggingface.co
AI2 推出 StateBench 基准，测语言模型在长文档中的状态追踪能力