注册研究：LLM课程将偶然性引入Agent决策

一项由Kazuki Nakayashiki发布的注册研究揭示，大语言模型基于偶然失败生成的经验教训，会将概率性因素带入智能体的后续决策。 该研究通过256个合成世界测试表明，当智能体参考带有偶然失败记录的课程推荐工具时，读者选择较差工具的比例达11.6%，远高于无关对照组的0.4%。 数据显示，该效应的交互项为+0.112。在日志未声明失败独立的场景下，效应值高达+0.181。在11个语言模型端点中，有6个表现出此概率携带现象，最高效应值达+0.352。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。