研究发现失败反馈反使小模型重复错误走法
原文标题：Feedback That Backfires in Games: Do LLM Players Repeat the Move They Just Watched Fail?
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文在推箱子、四子棋、黑白棋中测试 LLM 智能体失败反馈的效果。汇总 8 个指令微调模型（135M-1.7B）后发现，把失败走法写入记录反而提高其重复概率，且主要经由走法表面形式、仅对非法走法生效。省略走法字符串的失败描述可保留模型原有偏好；OLMo 2 1B 训练链中该反转在 DPO 阶段基本消除。
- 问题
- 把失败走法写入记录后，小模型反而更容易重复该走法。
- 方法
- 在推箱子、四子棋、黑白棋中用扰动构造固定探针，测试 8 个指令微调模型的失败反馈效应。
- 结果
- 汇总校正增益 G = -1.38 nats/token；贪心解码仍重复 38% 原本要走的走法；OLMo 2 1B 中该反转在 DPO 阶段基本消除。
- 影响
- 提示智能体框架的失败重试设计需谨慎，省略走法字符串的描述比「不要重复」指令更有效。
深读 · 结论先行AI 生成展开看要点与影响 ↓
8个小模型(135M-1.7B)实测：把失败走法写进记录反而提高其重复概率
- •在推箱子、四子棋、黑白棋中测试，非法与合法但致败两类失败均精确验证
- •8个指令微调模型（135M-1.7B）汇总，失败记录使失败走法更可能被重复，校正增益G=-1.38 nats/token
- •效应经由走法表面形式，仅对非法走法生效，且并非每个模型都出现
- •省略走法字符串的失败描述可保留模型原有偏好；「不要重复」指令无效，干净重试是最差harness
- •OLMo 2 1B训练链中该反转在DPO阶段基本消除；贪心解码仍重复38%原本要走的走法
为什么重要：智能体harness的常见写法（回写失败动作）可能适得其反，尤其对小模型；设计重试与反馈格式的人应优先去掉动作字符串。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。