RecodeX 重构消息，研究团队推出名为StateBench的新基准，用于评估语言模型在长文档中追踪状态变化的能力。该测试聚焦模型能否在文档篇幅拉长、信息多次更新时，持续准确掌握实体状态的最新变化，而非仅依赖局部上下文作答。