StateBenchAllen AI 发布 StateBench,一款专门衡量大模型在长文档里持续跟踪实体状态演变能力的评测基准。状态跟踪是代码阅读、故事剧情追踪、多轮业务流程理解的底层能力:不只是检索一条信息,而是跟着一连串修改、转移、自增、引用赋值,持续更新实体当前状态。210基准测试# Allen AI# StateBench# 长上下文