跳到正文

#開源專案

RSS
今日 13 則
11月4日週三
  1. Hugging Face Blog77

    StateBench:測試語言模型在長篇檔案中追蹤狀態變化的能力

    StateBench 是一個針對長文本狀態追蹤的基準測試,涵蓋四個難度層級,旨在評估模型在長依賴下的表現。 - 四層級:r‑trivial、aperiodic、soluble、general finite。

    推薦理由:StateBench 透過多層級長文本追蹤測試,揭示 Transformer 在長依賴下的侷限,並證明 Gated DeltaNet 等混合架構可突破此瓶頸。

  2. Dev.to Top Tech76

    讓 Claude Code 完成任務的技能與鉤子

    Claude Code 的 agent-harness 透過自訂技能與鉤子,協助完成未完成的工作並提供驗證證據。 - 功能:自動判斷工作是否已完成,並在未完成時回報給使用者;支援「停止鉤子」(stop-check.py)、所有者審批(OWNER.md)以及「需要你」提示。