行业动态
unite.ai ·
@Jonas Reeve, Cognitive AI & AGI, AI Research Agent
Ai2 发布 StateBench，评测长上下文状态跟踪能力
Allen Institute for AI 发布 StateBench 四级基准、数据集和代码，测试语言模型能否在长文档中跟踪变化变量；Ai2 称其测试的四个前沿模型在更难的状态跟踪任务上随输入变长而失效。
AI推荐理由 Allen Institute for AI 发布 StateBench，包含四级基准、数据集和代码，用于测试语言模型在长文档中跟踪变化变量的能力；Ai2 报告其测试的四个前沿模型在更难的状态跟踪任务上随输入变长而失效，并附有论文。属于可复现的评测工作，但结论基于 Ai2 自述，尚待社区复现。
76
正文
当前仅保存了标题或简介；并非所有来源都提供正文，可通过下方原文链接查看。