研究证实基座模型中周期性主语切换提升判定惊奇度

Roberto I. Ono Filho 于 2026 年 8 月 20 日在 arXiv 发布论文《Interrupting the Loop: Periodic Subject Changes Raise Judged Surprise and Connection in Base Language Models》，探讨生成流中注入新主语对基座模型的影响。 后续研究表明，在基础模型生成流中每数百 token 注入新主语，可使判定惊奇度提升 1.2-1.4 分，连接性提升 0.7-0.9 分。该干预在在线装箱问题中使有效候选启发式数量增加 3-4 倍，但未提升最优解质量。 研究同时指出，该干预无法生成连贯文档，且 LLM 判定者存在 600-token 视野局限。作者于 2026 年 10 月 22 日提交了论文第二版本。

AI 根据报道生成 · 2 小时前更新