稳定计数容量实验台
先让你自己崩一次，再看 126 个模型崩在哪——Stable Counting Capacity 的自适应阶梯、nMAE 判据与二分细化，全部在浏览器里真跑。
稳定计数容量实验台
先让你自己崩一次，再看 126 个模型崩在哪——arXiv:2605.02028 的测定流程，浏览器里真跑
屏幕会闪现一串重复符号，你要报出个数。每个长度档从 0.8L–1.2L 均匀采样若干题， 判据是 nMAE = (1/K)·Σ|x̂−x|/L < 0.05。 通 过就把 L 翻倍，失败就在 [上次通过, 本次失败] 上二分细化——这就是论文的 SCC 测定流程，你就是被测对象。
每档题数 K（论文用 16，这里可调小以便做完）8
闪现时长1.5s
📖 文献值
- · 126 个模型变体
- · 实测容量区间 50–2000
- · 判据 nMAE < 0.05
- · 崩溃吸引子 500 / 1000 / 2000（500 最频繁）
- · 经验效率前沿 ≈ 2 tokens / 每个真实计数
- · 加大模型规模 、推理时计算、外部工具都不救
🧮 浏览器内真算
- · 你自己的 SCC 测定与 nMAE（Tab ①，浏览器内真算）
- · 自适应阶梯 + 二分细化定界（Tab ②）
- · N ⇄ SCC 曲线、best-of-k 对照（Tab ②）
- · 崩溃指纹直方图与离散度指标（Tab ③）
⚠️ 教学模型的边界
- · FiniteCounter 的 slip 概率、吸引子权重是示意参数
- · 「状态耗尽即猜测」是对论文机制探针的一个可实现类比，不是论文的原始内部结构
- · Tab ④ 的两条曲线形状是示意，论文只给了定性结论
论文摘要（节选，原文）：“We query 126 leading model variants with the task of counting a long string of repeated characters, and we find they all cannot accurately count above a model-dependent, syntax-sensitive counting capacity threshold. Failures are abrupt and persist even with increasing model size, inference time computation, and external tool. Mechanistic probing indicates that models use a finite number of internal states to mimic counting as a rule and fail once these states are exhausted.”
⚠️ 本工具不调用任何模型，全部计算在浏览器内完成；Tab ① 的被试是你自己。
⚠️ 本工具不调用任何模型，全部计算在浏览器内完成；Tab ① 的被试是你自己。