热点事件持续更新
AI2发布长文本状态追踪评测基准StateBench
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
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 根据报道生成 · 7 小时前更新
最新进展11月4日 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。报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- Hugging FaceAI2 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。
本事件热度走势
当前热度 8·可比范围峰值 10（11月4日 02:00）·近 24 小时可比范围变化–
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。