★ 4
LLM长时程状态追踪能力研究
该研究通过让LLM逐步计算MD5哈希，测试其在196次依赖工具调用中携带精确中间状态的能力。gpt-oss-120b在多数运行中成功，保留推理和投票机制是关键，揭示了长时程任务失败的原因。
arXiv cs.AI61 天前
#状态追踪
共 4 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
ARBOR：通过推理状态追踪定位长思维链失败
论文提出 ARBOR 推理失败归因框架，将每条思维链轨迹表示为推理状态树，按每步创建、验证、剪枝或重访状态构建，并把失败归因于步骤与其前序状态之间的关系。该方法将过度思考、思考不足、无依据推理三种失败模式细分为不同子类型，并发现步骤前的树状态可区分失败步骤与未发生失败的「风险步骤」。代码与数据已公…
arXiv NLP14 天前
★ 3
SAGE：任务导向对话代理的状态接地与弃权感知评估
SAGE是一种评估任务导向对话代理的新方法，它将工作流规范和每轮状态差异编译为原子化、基于模式的准则，并通过符号和编码器/NLI验证器级联进行路由，这些验证器选择弃权而非猜测。SAGE-Core在零付费LLM成本下决定81-91%的准则，且性能不逊于包括GPT-4.1在内的LLM评判基线。
arXiv cs.AI61 天前
★ 2
分块共形注入：循环 Transformer 的残差旋转方法
论文研究循环 Transformer 中跨循环步残差线性映射的几何形式，提出分块共形注入（blockwise conformal injections），将残差拆分为坐标对齐分组并在组内旋转，使每组拥有独立时间尺度且几何保持精确。实验显示该方法在状态追踪与语言建模任务上性能提升。
arXiv cs.LG19 天前