TPNLL方法提升语言智能体任务依赖性

研究显示，包括GPT-5.6-Sol在内的5种语言智能体在3个交互环境中，即使任务描述被替换为无意义占位符“xxxx”，仍能继续执行操作，表明模型过度依赖上下文线索而非任务描述。 为增强任务依赖性，研究团队提出任务扰动负对数似然（TPNLL）方法。该方法通过对比不同任务描述下同一响应的预测成本，固定非任务上下文，从而提升模型对任务描述的关注度。 实验结果表明，TPNLL方法显著提高了分布外场景下的完整任务成功率，有助于减少因上下文预测偏差导致的决策失效风险。

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。