---
schema_version: '1.0'
id: news-20260903-20ae89
title: 196回のツール呼び出しでMD5を完走する——LLMの「長距離状態追跡」はどこまで可能なのか
url: https://gotosocial.chinng-lab-srv.dev/196hui-noturuhu-bichu-sidemd5wowan-zou-suru-llmno-chang-ju-li-zhuang-tai-zhui-ji-hadokomadeke-neng-nanoka/
url_hash: 20ae89023e6d0da947481c8c220718fe06eab67c93c100b65a019d5317439622
canonical_url: https://gotosocial.chinng-lab-srv.dev/196hui-noturuhu-bichu-sidemd5wowan-zou-suru-llmno-chang-ju-li-zhuang-tai-zhui-ji-hadokomadeke-neng-nanoka
source: ghost-chinng-lab
category: news/tech
category_raw: AI・テクノロジー
region: JP
tags:
- AI・テクノロジー
- LLMエージェント
- ロングホライズン
- 状態追跡
- ツール呼び出し
- MD5
- gpt-oss-120b
- AI研究
lang: ja
published_at: '2026-09-03T00:47:13Z'
fetched_at: '2026-09-03T03:39:24.654897Z'
updated_at: '2026-09-03T03:39:54Z'
status: published
content_hash: null
content_changed_at: null
license_note: full
summary: LLM（大規模言語モデル）は長い手順で誤差が増幅する「p^nの壁」に直面する——1ステップ99%の精度でも196ステップ連結すると成功率は14%に低下する。本研究は同じgpt-oss-120b（活性パラメータ5.5B）で、MD5のハッシュ計算を196回の従属的ツール呼び出しで完走可能か検証した。結果は、モデルの重みを変えず、コンテキスト設計だけで対応可能なことを示す——推論チャンネルを次ターンに必ずフィードバックし、プリミティブ演算を3サンプル多数決で信頼化すれば、状態追跡は長ホライズンでも保持できる。
summary_source: llm
summary_en: LLM (large-scale language model) faces the "p^n wall" where errors a。ify
  in long steps—even 1-step 99% accuracy, the success rate is 14%. The same gpt-oss-120b
  (active parameter 5.5B) was used to verify whether the走5 hash calculation can be
  completed with 196 subordinate tool calls. The result indicates that the model can
  be handled by the context design without changing the weight of the model—the reasoning
  channel must be fed back to the next turn, and the primitive calculation is trusted
  by three samples, and the status tracking can be retained by long-hor。s。
summary_omitted_reason: null
redistribution: true
keywords_en:
- AI・テクノロジー
- AI研究
- artificial intelligence
- gpt-oss-120b
- LLM
- LLMエージェント
- MD5
- technology
entities_en:
- name: LLM
  type: concept
- name: LLMエージェント
  type: artifact
topics_en:
- artificial intelligence
- technology
numeric_facts: []
entities:
- name: LLMエージェント
  type: artifact
- name: LLM
  type: concept
key_facts: []
related: []
related_auto:
- name: AI
  type: artificialintelligencesystem
  weight: 2.0
- name: スポーツデータ分析
  type: concept
  weight: 2.0
- name: 検証器
  type: artifact
  weight: 1.0
- name: Art and Technology Fusion
  type: concept
  weight: 1.0
- name: Baseten
  type: organization
  weight: 1.0
computed_at: '2026-09-03T03:39:48Z'
---

# 196回のツール呼び出しでMD5を完走する——LLMの「長距離状態追跡」はどこまで可能なのか

## TL;DR
LLM（大規模言語モデル）は長い手順で誤差が増幅する「p^nの壁」に直面する——1ステップ99%の精度でも196ステップ連結すると成功率は14%に低下する。本研究は同じgpt-oss-120b（活性パラメータ5.5B）で、MD5のハッシュ計算を196回の従属的ツール呼び出しで完走可能か検証した。結果は、モデルの重みを変えず、コンテキスト設計だけで対応可能なことを示す——推論チャンネルを次ターンに必ずフィードバックし、プリミティブ演算を3サンプル多数決で信頼化すれば、状態追跡は長ホライズンでも保持できる。

## Key Points
- AI・テクノロジー / LLMエージェント / ロングホライズン / 状態追跡 / ツール呼び出し / MD5 / gpt-oss-120b / AI研究

## Details
(本文なし。リンク先参照)

## Source
元記事: [196回のツール呼び出しでMD5を完走する——LLMの「長距離状態追跡」はどこまで可能なのか](https://gotosocial.chinng-lab-srv.dev/196hui-noturuhu-bichu-sidemd5wowan-zou-suru-llmno-chang-ju-li-zhuang-tai-zhui-ji-hadokomadeke-neng-nanoka/) — published 2026-09-03T00:47:13Z