Long-Horizon State Tracking in LLMs

作者用从零执行 RFC 1321 MD5 的任务隔离长链状态记忆：64 轮共 196 次依赖调用，每一步都按位对照真实 trace。约 5.5B active 参数的 gpt-oss-120b 在零温度下多数完整运行答对；保留模型自己的推理上下文与对 thinking worker 投票，分别针对状态携带和算术失误。