Allen AI 构建专注状态跟踪任务的长上下文评测基准

Allen AI 研究者 lambdaviking 披露，团队正在构建一个类似 RULER 的长上下文评测基准，专注于状态跟踪任务。该基准要求模型在不产出推理 token 的情况下，跨大量输入求解确定性合成任务，以检验模型的长上下文处理能力。