When LLMs Forget What They Believe: Characterizing State Integrity Collapse in Long-Horizon Dialogues

Yancheng Zhu, Yifan Yuan · 2026 · arXiv

DOI: 10.48550/arXiv.2610.31314 · open-access PDF

Arabic

يمكن أن تتكرر النماذج الكبيرة من اللغات مع عدم الاستمرار في اتباعها.نحن ندرس هذا التوازن في التوافق مع التذكير في حوار طويل الأمد وتحديد تراجع العدالة الإقليمية: يظل نموذجًا يحافظ على التحدي المذكور في الذاكرة ولكن يتوقف عن تطبيقه في أسرع وقت.نقدم StateTrack-Bench، مجموعة مجهزة من المحادثات التي تغطي التحديات الرقمية والتركيز والملفات/الشخصية، والذكاء الحقيقي والقرارات النقدية.في سبعة صور من النماذج التي تم تركيبها من قبل الموردين وخمس صور من عمق الحوار، تتراوح التخزين المشترك الصارم بين 62.4% و 100.0%, مع التخ

Machine translation (Meta M2M100); the English original follows.

Abstract

Large language models can repeat an instruction while failing to keep obeying it. We study this recall-compliance dissociation in long-horizon dialogue and define State Integrity Collapse: a model preserves a stated constraint in memory but stops applying it to later turns. We introduce StateTrack-Bench, a controlled suite of conversations covering numerical, format, role/persona, factual-memory, and logical-rule constraints. Across seven provider-pinned model snapshots and five dialogue-depth probes, strict joint retention ranges from 62.4% to 100.0%, with degradation concentrated in symbolic

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Is this paper real? This page was built from OpenAlex and arXiv records, not generated. Software can verify any reference in one call: GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.31314, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txt

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange