热点事件历史事件

AllenAI推出长文本状态追踪评测基准StateBench

1 篇报道1 个报道来源8 天前更新

先了解这件事

AI 综述

AllenAI 推出长文本状态追踪基准 StateBench，按变量赋值复杂度划分为四个层级，用于评估语言模型在长文档中跟踪实体状态演变的能力。评测结果显示，Gemini 3.8 Flash、Claude Opus 5.5 以及 GPT-6 Sol 和 Luna 等模型在较难的自引用与引用传递任务中表现受限，其准确率随文本长度增加急剧下降至 13% 以下。

AI 根据报道生成 · 8 天前更新

最新进展11月4日 01:15

StateBench 长文本状态追踪基准发布

报道时间线

沿着报道，了解事件的不同侧面。

11月4日

01:15
Hugging Face Blog
StateBench 长文本状态追踪基准发布
AllenAI 推出长文本状态追踪基准 StateBench，按变量赋值复杂度分为四个层级，用于评估模型在长文档中跟踪实体状态演变的能力。评测显示，Gemini 3.8 Flash、Claude Opus 5.5 以及 GPT-6 Sol 和 Luna 在较难的自引用与引用传递任务中，准确率随长度增加急剧下降至 13% 以下。

本事件热度走势

可比范围当前: 3
可比范围峰值: 611月4日 18:00
近 24 小时变化: -50%

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。