游戏中的 LLM 玩家：观看失败操作会导致重复吗？

在 Sokoban、Connect Four 和 Othello 中，记录失败操作反而降低 LLM 表现，修正增益 G = -1.38 nats/token。 该效应在 135M-1.7B 模型上表现显著，失败操作的 log-probability 对初始概率敏感度低（斜率 0.18）。 仅禁止重复字符串无法阻止非法操作，移除失败记录可恢复模型偏好。