StateBench：测试语言模型在长文档中的状态跟踪能力

Hugging Face 推出 StateBench，一个评估语言模型长上下文状态跟踪能力的基准，按复杂度分为 r-trivial、aperiodic、soluble、general finite 四个难度级别，其理论根基为 Krohn–Rhodes theory。