Ai2 推出 StateBench：测试语言模型如何追踪长文档中的状态变化
摘要
Ai2 推出 StateBench，一个用于评估语言模型长上下文状态追踪能力的基准，按变量赋值方式划分为 r-trivial、aperiodic、soluble 和 general finite 四个难度层级。
摘要由模型根据原文撰写，以原文为准。
Ai2 / Allen Institute for AI
打开原文allenai.org。尚未取得已确认完整的正文，本站仅展示摘要与导读；完整内容请阅读原文。
来源：Ai2 / Allen Institute for AI · allenai.org
引用原文
Ai2 / Allen Institute for AI. StateBench: Testing how language models track state changes over long documents[EB/OL]. (2026-11-03)[访问日期]. https://allenai.org/blog/statebench.