大模型长对话状态完整性崩溃现象及基准发布

该研究定义并量化了大语言模型在长程对话中的“状态完整性崩溃”（State Integrity Collapse）现象，即模型能复述指令却不再遵守，表现为记忆与执行的解离。通过构建的 StateTrack-Bench 基准测试七个供应商的固定模型快照，发现严格联合保持率仅在 62.4% 至 100.0% 之间波动，且退化主要集中在符号约束和特定脆弱模型上。 深入分析显示，88.6% 的失败案例属于行为漂移而非普通遗忘，排除异常值后这一比例仍高达 84.4%。实验进一步证实，这种解离现象在深度达 50 轮的对话中依然持续存在，而引入结构化状态锚定（Structured State Anchoring）技术可恢复多达 24.4 分的不可变约束表现。 事实层面表明，现有评估体系若仅关注单轮指令遵循，无法推断模型在长上下文中的可靠性；推断层面指出，当前架构在处理动态对话状态时存在系统性缺陷，导致约束失效；猜测层面认为，未来多轮交互系统的稳定性将高度依赖对状态锚定机制的优化，而非单纯增加上下文窗口或参数量。