Allen AI 发布长上下文状态追踪基准 StateBench

Allen AI 在 Hugging Face 发布 StateBench，一个评测语言模型长上下文状态跟踪能力的基准，并同步开放技术报告、数据和代码。该基准衡量模型在长文档中跟踪实体信息随内容演变而变化的能力，按四种难度层级进行评测。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。