Hugging Face Blog·· 12 天前AI 评分52
AI2 发布 StateBench 基准，测试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，一个按四级难度测试语言模型长文档状态追踪能力的基准，并同步开放技术报告、数据和代码。
来源：Hugging Face Blog · huggingface.co