东北大学等机构发布 WMIP 探针，揭示 LLM 累积状态追踪对输出协议的依赖

东北大学等机构团队发布 WMIP 探针，用于测试 LLM 在不写出中间状态时追踪 3 到 100 次连续更新的能力。研究发现，模型表现严重依赖输出协议，允许写出操作步骤的现有测试可能绕过了纯状态追踪需求；论文指出 LLM 跨多次更新的累积状态追踪仍是短板，已有基准结论也受到评测协议影响。