Allen AI 发布 StateBench，测量 LLM 对长文档状态变化的跟踪能力

StateBench: Testing how language models track state changes over long documents Allen AI 发布长上下文状态追踪基准 StateBench，测量语言模型在长文档中跟踪实体变化的能力，该能力是代码阅读、叙事追踪等任务的基础。StateBench 区分了较简单的「取最新值」状态更新与较难的多步链式状态演化。