研究者发布工作记忆启发的累积状态追踪探针

Dengzhe Hou 等研究者发布 WMIP——一种受工作记忆启发的可编程探针，用于考察大语言模型的累积状态追踪能力：答案由程序计算，覆盖 3 至 100 次更新，以及最终状态、中间状态和多目标查询。 作者同时公开生成器、题目、评分代码和模型回答，便于在不同更新深度、查询类型和协议下复现比较。作者报告，在更大预算并指示写出步骤、将答案放在最后一行的条件下，核心准确率达到 88.0%，且提升主要来自指令变化而非预算增加。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。