StateBench：言語モデルが長文書内で状態変化を追跡する能力を測る

入選の記録

入選せず二回の合計 80 < 基準の 2 倍 120

情報源の区分

公式・一次情報、この区分の基準は 60 点

予備審査

通過：语言模型状态追踪基准与架构评测

採点はモデルが同じ基準で独立に二回行い、満点は 100。二回の合計が基準の 2 倍に届いたものだけが入選します。基準は情報源の区分ごとに決めています。