Skip to content
Hot storiesContinuously updated

AI2发布长文本状态追踪评测基准StateBench

1 reports1 reporting sourcesUpdated 8 hours ago

Start here

AI overview

2026年11月4日，AI2推出长文本状态追踪评测基准 StateBench，专门用于评估大语言模型在长文档中持续跟踪实体状态变化的能力。该基准基于 Krohn–Rhodes 理论构建，将任务复杂度划分为 r-trivial、非周期（aperiodic）、可解（soluble）与一般有限（general finite）四个等级。目前，AI2 已同步开源了 StateBench 的技术报告、评测数据集及相关代码。

AI-generated from reports · Updated 8 hours ago

Latest developmentsNov 4 01:15
AI2推出长文本状态追踪基准StateBench，并开源技术报告、数据集与代码。

Report timeline

Follow the reports to see different sides of the story.

Nov 4
  1. Hugging Face
    AI2 发布长文本状态追踪基准 StateBench

    AI2 推出长文本状态追踪评测基准 StateBench，用于测试大语言模型在长文档中持续跟踪实体状态变化的能力。基准基于 Krohn–Rhodes 理论将复杂度划分为 r-trivial、非周期（aperiodic）、可解（soluble）与一般有限（general finite）四个等级，并开源了技术报告、数据集与代码。

Story heat trend

Current heat 8·Comparable peak 10（Nov 4 02:00）·Comparable change, last 24 hours–

02.557.510Nov4Nov4Nov4Nov4

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.