Ai2发布长上下文状态追踪基准StateBench

2026年11月3日，Allen AI（Ai2）发布长上下文状态追踪基准StateBench，用于评测语言模型在长文档中追踪实体状态变化的能力。据Ai2介绍，该基准关注模型能否在长文档中持续跟踪实体的信息演变，并按R-trivial、aperiodic、soluble、general finite四个难度等级构建题目。11月4日，Ai2在Hugging Face发布StateBench，称其按四种难度层级评测长上下文状态跟踪，并附技术报告、数据和代码。目前公开信息涵盖基准的发布、设计框架及配套资源，尚未披露具体评测结果或模型表现。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。