热点事件持续更新
Hugging Face发布StateBench长上下文状态追踪基准
1 篇报道1 个报道来源22 小时前更新
先了解这件事
SI 综述
Hugging Face发布StateBench基准，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。 StateBench设四级难度测试大语言模型长文档状态追踪能力，提供开源数据与代码供研究者定位模型缺陷。
SI 根据报道生成 · 1 小时前更新
最新进展11月4日 01:15
Hugging Face于2026-11-04发布StateBench基准及评估，显示多家模型难任务准确率跌破13%。报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- Hugging Face BlogStateBench：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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。