Numpy随机种子状态不变却生成不同随机数的原因解析

我正在开展一个使用Monte Carlo方法的项目，研究伪随机数生成中种子的重要性。在使用Python的NumPy随机模块做实验时，我试图理解种子变化对随机性的影响，却发现一个奇特现象：通过numpy.random.get_state()获取状态时，每次运行脚本初始种子不同，但仅变化一次后就全程保持相同，代码如下：

import numpy as np

rand_state = [0]
for i in range(5):
    rand_state_i = np.random.get_state()[1]
    # printing only 3 state numbers, but comparing all of them
    print(np.random.rand(), rand_state_i[:3], all(rand_state_i==rand_state))
    rand_state = rand_state_i

运行后输出：

0.9721364306537633 [2147483648 2240777606 2786125948] False
0.0470329351113805 [3868808884  608863200 2913530561] False
0.4471038484385019 [3868808884  608863200 2913530561] True
0.2690477632739811 [3868808884  608863200 2913530561] True
0.7279016433547768 [3868808884  608863200 2913530561] True

我的疑问是：为何种子状态保持相同，却能为每次采样返回不同的随机值？NumPy是否使用了numpy.random.get_state()之外的其他数据来生成随机数？

内容的提问来源于Stack Exchange，提问作者Tanus Szabo