**WMIP：受工作记忆启发的 LLM 累积状态追踪评估框架**

_WMIP: A Working-Memory-Inspired Programmable Probe of Cumulative State Tracking in Large Language Models_

> 该研究提出了 WMIP，一种受人类工作记忆启发的评估框架，用于测试大型语言模型在无需中间步骤的情况下追踪累积状态的能力。实验显示，尽管模型在单步算术上表现良好，但在需要多次更新的核心任务中准确率极低（31.7%），且超过 50 次更新后准确率几乎归零。研究还发现，要求模型显式写出步骤能显著提升准确率，且模型在该任务上的表现与函数调用能力呈正相关。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-11-12 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2603.27343)