Allen AI 发布长上下文状态追踪基准 StateBench
热点事件持续更新
Allen AI 发布长上下文状态追踪基准 StateBench
1 篇报道1 个报道来源3 小时前核心报道更新
先了解这件事
AI 综述
Allen AI 团队发布 StateBench，一个评估语言模型在长文档中追踪实体信息变化能力的基准，按 R-trivial、Aperiodic、Soluble、General finite 四个难度层级划分，并公开配套数据与代码。 在从零训练的 275M 参数模型中，Gated DeltaNet 与混合架构在最长测试序列上接近满分，而 Transformer 始终未学会最难层级。这些结果来自该团队自己的训练与测试，并非第三方复测。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- Hugging Face 博客StateBench：测试语言模型如何在长文档中追踪状态变化
Allen AI 团队发布 StateBench，一个面向长上下文状态追踪的基准，按 R-trivial、Aperiodic、Soluble、General finite 四个难度层级评估模型追踪实体信息变化的能力。从零训练的 275M 参数模型中，Gated DeltaNet 与混合架构在最长测试序列上接近满分，而 Transformer 始终学不会最难层级。
已显示 1 篇，共 1 篇报道。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。