الذكاء الاصطناعي٣ نوفمبر ٢٠٢٦
باحثون يطلقون اختبار StateBench لتقييم تتبع النماذج لتغيرات الحالة
طوّر الباحثون StateBench، وهو معيار لاختبار قدرة نماذج اللغة على تتبّع تغيّر المعلومات عن الأشخاص والأشياء عبر مستندات طويلة. ويضم الاختبار أربعة مستويات تتدرج من استرجاع معلومة ثابتة إلى متابعة تغييرات مترابطة، واستخدمه الباحثون لمقارنة نماذج ذات معماريات مختلفة. وأظهرت النتائج أن النماذج التكرارية والهجينة تعمم أبعد من المحولات عند تدريبها مباشرة على هذه المهام، بينما تتعثر نماذج متقدمة في الحالات الأصعب كلما طالت المدخلات.
الحقائق الأساسية
يتدرج StateBench عبر أربعة مستويات من تعقيد تتبّع الحالة.
«StateBench consists of four difficulty levels that permit increasingly complex state update operations.»
عرض المصدر ←عند تدريبها مباشرة على مهام الاختبار، تعمم النماذج التكرارية والهجينة أبعد من المحولات.
«We find that recurrent and hybrid models can generalize much farther than transformers when trained directly on these tasks»
عرض المصدر ←تتعثر نماذج متقدمة في أصعب مهام تتبّع الحالة مع ازدياد طول المدخلات.
«while frontier models including Gemini 3.8 Flash, Claude Opus 5.5, and GPT-6 Sol and Luna still break down on harder forms of state tracking as inputs grow longer.»
عرض المصدر ←
المصادر
شفت معلومة تحتاج تصحيح؟ بلّغنا ونتحقق ونصحّح — سياسة التصحيح
صحّح هذا الخبر