StateBench：测试语言模型如何在长文档中追踪状态变化
AllenAI 发布了 StateBench，这是一个长上下文状态追踪基准，测试语言模型在长文档中跟随实体变化的能力。它分为四个难度级别，从固定值到引用赋值；研究发现，前沿模型在输入变长时仍会在最难的形式上崩溃，而直接在该任务上训练的循环与混合模型泛化得更远。它之所以重要，是因为状态追踪是读代码、跟情节的基础，该基准让研究者能更精细地定位每种架构的失效点。
报道来源
- Hugging Face Blog2026-11-03 17:15