Hugging Face Blog·· 16 天前AI 评分58
Ai2 发布 StateBench,评测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 四个难度层级设计。
来源:Hugging Face Blog · huggingface.co