Hugging Face Blog·· 4 小时前
StateBench 发布：测试语言模型如何在长文档中跟踪状态变化
StateBench: Testing how language models track state changes over long documents
AI 导读
AllenAI 在 Hugging Face 发布 StateBench，用于评测语言模型在长文档中跟踪实体状态变化的能力，并按 R-trivial、非周期、可解、一般有限四个难度层级组织，各层级共用相同的变量与赋值位置，仅改变赋值类型。
来源：Hugging Face Blog · huggingface.co