唐杰, 智谱AI发布Trace as State 研究论文(27)

💥无敌！唐杰+ 这篇全新论文不是讲故事，是把长上下文推理的天花板直接掀了！

结果 GPT-6 Astra 这边也按“循环深度”这条路在走

论文重大发现：
🔹不是模型不会读百万字，是「晚发现的状态」进不了前面 token 的表示。条件先给 vs 后给，最坏记忆差一个指数级。
🔹Trace as State：把第一轮推理痕迹当任务状态，塞到长文前面再读一遍。对照组 Trace Append 用同一段痕迹，只是放在文后。
🔹27 组模型×任务×指标，前放赢后放 26 组。不是玄学，是顺序本身在赚钱。

🔹GraphWalks Parents 精确匹配：▫️DeepSeek V4 Pro Preview：首轮 29.2% → 后放 43.0% → 前放 81.8% ▫️GLM-5.2：首轮 66.4% → 后放 83.2% → 前放 100.0%
🔹同一套方法在 MRCRv2、NUB-1M 上跨 DeepSeek / GLM / Qwen 三家都成立。痕迹条数从 1 加到 5，前放始终压过后放。

智谱这条路有多可怕：
GLM-5.2 在最难的图行走父节点任务上，不改架构、不改训练，只改“状态何时可见”，直接打满 100%。别人还在加层、加 cache、加 loop 层数，他们已经把“第二次过”做成可上线的推理缩放。

层内循环是 GPT-6 Astra 的传闻，跨 pass 回灌状态是已经写进论文、且自家模型先打穿的现实。

论文： #TraceAsState #GLM52 #智谱AI #唐杰 #长上下文 #LoopTransformer #GPT6Astra #推理缩放​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​ #Zai