Hacker News· _delirium·· 2 小时前AI 评分55
Ai2 发布 StateBench，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 推出 StateBench，用于评测语言模型在长文档中追踪实体状态变化的能力，按 R-trivial、Aperiodic、Soluble、General finite 四级难度组织。
来源：Hacker News · allenai.org