这篇论文主要研究什么问题？
论文研究大语言模型在长序列依赖工具调用中能否精确携带中间状态，通过让模型分步计算MD5哈希来隔离测试其状态追踪能力。
Long-Horizon State Tracking in LLMs: Executing MD5 through a Deep Sequence of Dependent Tool Calls
（翻译）大语言模型中的长程状态追踪：通过深层依赖工具调用序列执行 MD5
资讯摘要
Abstract page for arXiv paper 2609.00012: Long-Horizon State Tracking in LLMs: Executing MD5 through a Deep Sequence of Dependent Tool Calls
AI 摘要
该研究提出一种新方法，让大语言模型通过196次依赖工具调用逐步计算MD5哈希，以纯净评估其长程状态追踪能力。实验表明，gpt-oss-120b在多数运行中能完整携带状态并返回正确摘要。研究还发现，将模型自身推理保留在上下文中以及对具备思考能力的worker进行投票，是决定成功的关键因素。
AI 问答
论文中的实验设置是怎样的？
模型需执行196次依赖工具调用，分64轮携带四个32位字(a,b,c,d)逐步计算MD5，且与RFC 1321标准逐位对齐验证结果。
研究发现哪些因素影响任务成功？
两个关键因素是不改变权重：将模型自身推理保留在上下文中，以及对具备思考能力的worker进行投票以消除模运算错误。
更多资讯
社区速递 158 | 便宜耐造的副厂手柄与大学宿舍里那些相见恨晚的装备58秒出杯，能拉花的咖啡机器人，在全球70国卖出600万杯圆桌：智能向实，产业向新——AI如何进入真实世界 | 36氪 2026产业未来大会
视频号评论区小蓝词使用指南芯视界创始人、董事长兼首席科学家鲍捷：十年产业实践，量子感知芯片为物理AI打开物质世界 "感知入口" | 2026年36氪产业未来大会
iOS 27 正式版体验：Siri AI 终于开窍了，老 iPhone 升级也有新东西
Cloudflare将每天90亿次请求的JavaScript CDN迁移到其开发者平台8点1氪丨选手赛中失禁污染赛道，HYROX中国宣布整改；机构预计美股明年将暴跌21%；苹果推出Siri人工智能和Jeff Dean押注同一方向，27岁清华助理教授创业，两个月融资数亿廉价太阳能改变世界能源格局
AI不断进步 不得不把才华埋葬在昨天
HIP-3：昂贵的入场券 买不来的护城河
CoinShares Q2 挖矿季报：矿企倒贴钱退出
微信桌面端变“三折叠”，可能是在给小微腾位置
豆包 2.1 Pro模型更新，已接入豆包工作圆桌：CVC的全面崛起 | 36氪 2026产业未来大会圆桌：中国之光成为新共识| 36氪 2026产业未来大会
牛市的钱：是熊市里守出来的
Stella：“显化”想要的人生，60天35万美元月收入
产品定义意义上的一级场景：四维模型
实测豆包新模型2.1-pro，这次审美和长时间Agent任务都追上第一档了
美国加密新规又黄了
实习生1天消耗1亿Token被约谈：如何衡量Token的ROI前高通算法研发经理跨界AI算力板检测，获近亿元战略投资丨36氪首发主题演讲：破界·量子计算迈向产业深水区——量子计算的下一公里｜36氪2026产业未来大会
自主团队被捧过头了？Simon Rohrer 直言：你们交付的根本不是产品基元律动与无问芯穹达成战略合作，推进高质量Token供给与应用旗舰SoC进入融合计算时代，天玑9600 Pro首创AI原生架构！
高瓴系 CFO 往事：一代顶级机构年轻人的迁徙与突围字节跳动CEO梁汝波：豆包、飞书与火山引擎整合后 将加大企业市场投入