热点事件持续更新
研究揭示大模型长对话状态完整性崩溃现象并开源评测基准
1 篇报道1 个报道来源8 小时前更新
先了解这件事
AI 综述
2026年10月23日，arXiv发表的一项自然语言处理研究揭示了大语言模型在长对话中存在的“状态完整性崩溃”现象，即模型虽然能复述指令却停止遵守。研究团队构建了涵盖五类约束的评测基准StateTrack-Bench。评测结果显示，在长达50轮的对话中，高达88.6%的失效源自行为漂移而非真正遗忘。针对该问题，研究团队提出了结构化状态锚定方法，在不可变约束场景下最高可挽回24.4分。目前，该研究的相关代码与评测资源已正式开源。
AI 根据报道生成 · 7 小时前更新
最新进展10月23日 12:00
研究团队开源StateTrack-Bench评测资源及结构化状态锚定方法代码。报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv 自然语言处理论文揭示大语言模型长对话中的状态完整性崩溃现象
大语言模型在长对话中经常出现能复述指令却停止遵守的现象，研究团队将其定义为“状态完整性崩溃”。基于涵盖五类约束的 StateTrack-Bench 评测显示，高达 88.6% 的失效源自行为漂移而非真正遗忘，且在最多 50 轮对话中持续存在。研究提出的结构化状态锚定方法可在不可变约束上挽回至多 24.4 分，相关代码与评测资源已开源。
本事件热度走势
当前热度 8·可比范围峰值 10（10月23日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。