Hugging Face Blog·· 5 天前AI 评分53
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 推出 StateBench 基准，用四个难度层级衡量语言模型在长文档中追踪实体状态变化的能力，并公开了论文、数据与代码。
来源：Hugging Face Blog · huggingface.co