跳到正文

#OpenAI

今日 2 条
11月10日周二
11月9日周一
11月7日周六
11月6日周五
11月5日周四
11月4日周三
  1. Hugging Face Blog52

    StateBench:测试大语言模型在长文档中追踪状态变化的能力

    StateBench 是一个测试大语言模型长文档状态追踪能力的基准。它设四级难度,评估显示 Gated DeltaNet 与混合架构直接训练后泛化远优于 transformer,而 Gemini 3.8 Flash、Claude Opus 5.5、GPT-6 Sol 和 Luna 在难任务上随输入变长准确率跌至 13% 以下。该基准提供开源数据与代码,助力研究者定位模型缺陷。

11月3日周二
11月2日周一
10月31日周六
10月30日周五
10月29日周四
10月28日周三

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有