研究者发布StateBench长文档状态追踪基准

研究者发布 StateBench 基准，用于评测语言模型在长文档中追踪实体状态变化的能力。该基准按 R-trivial、Aperiodic、Soluble、General finite 四个难度级别划分测试任务。 目前公开信息仅说明基准的用途与分级方式，尚未披露各模型在该基准上的评测结果。

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。