论文提出状态追踪四级层级与StateBench基准

一篇 arXiv 论文提出按四级递增难度评估语言模型的状态追踪能力，依次为 r-trivial、aperiodic、soluble 和一般有限状态追踪，并据此构建了四档长程状态追踪基准 StateBench。 论文作者为 Jackson Petty、William Merrill、Ashish Sabharwal，论文称已将该层级“付诸实践”并构建出 StateBench，但摘要式证据未给出各档位的具体测试结果或模型表现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。