🔥 今日值得一读
gpt-oss-120b用196次工具调用算完MD5，全程零错位！
Long-Horizon State Tracking in LLMs: Executing MD5 through a Deep Sequence of Dependent Tool Calls
📖 AI 总结
该研究针对大语言模型在长时程任务中状态追踪能力的评估空白，设计了一个纯净的测试环境：让模型逐步执行MD5哈希计算，涉及196次依赖工具调用和64轮状态传递。实验发现，gpt-oss-120b模型在温度为零且使用简短固定提示的条件下，能够在多数完整运行中准确携带全部状态并输出正确摘要。研究进一步将工具替换为另一个LLM，实现完全无精确算术预言机的多智能体协作计算。关键成功因素包括保留模型自身推理上下文，以及对具备思考能力的工人模型进行投票以消除模运算错误。该工作通过分离状态保持、算术计算和服务层面的失败来源，为理解LLM在长序列依赖任务中的能力边界提供了方法论贡献。
🔑 关键词速览
| Long-horizon tasks | 长视野任务，指需要多步依赖操作且步骤间存在长期依赖的复杂任务。 |
| State tracking | 状态跟踪，指在任务执行过程中持续维护和更新中间状态的能力。 |
| MD5 | 一种广泛使用的密码学哈希函数，产生128位摘要，此处用于测试精确状态跟踪。 |
| Mixture-of-experts (MoE) | 混合专家模型，一种通过稀疏激活部分参数来提升效率的模型架构。 |
| Tool calls | 工具调用，指模型在推理过程中调用外部函数或API的操作。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅