StateBench 实验：Hybrid 架构近满分，Transformer 随长度退化

Ai2 的 StateBench 追加实验显示，Hybrid 架构与 Gated DeltaNet 在前几级状态追踪任务中接近满分，而 Transformer 随序列长度增加明显退化。团队直接在 StateBench 上训练 LLM 并用更长输入评测，以排除预训练因素影响；此前前沿模型长任务状态追踪准确率已跌至 13% 以下。