arXiv 论文提出 RSD 指标，量化 LLM 智能体行为一致性
原文标题：Recursive Semantic Divergence for LLM Agent Consistency
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。
论文提出递归语义分歧（RSD），一种无需监督的轨迹级一致性指标，借鉴强化学习中的双模拟度量，用自然语言推理检测同一智能体两次独立运行的语义分歧。将 RSD 作为微调奖励信号后，tau2-bench 任务进度波动从 132% 降至 91%，toolsandbox 从 90% 降至 44%，且无需真值标签即可接近监督微调效果。
- 问题
- LLM 智能体同一状态多次运行行为不一致，现有指标只测任务正确性。
- 方法
- 借鉴强化学习双模拟度量，用自然语言推理递归估计两次独立运行的语义分歧。
- 结果
- 作微调奖励后 tau2-bench 任务进度波动从 132% 降至 91%，toolsandbox 从 90% 降至 44%。
- 影响
- 提供无需真值的轨迹级一致性信号，可直接用于智能体微调与上线可靠性监控。
深读 · 结论先行AI 生成展开看要点与影响 ↓
RSD把轨迹一致性做成无监督奖励，tau2-bench任务进度波动从132%降至91%
- •RSD借鉴强化学习双模拟度量，用自然语言推理检测同一智能体两次独立运行的语义分歧
- •指标在后续状态上递归定义，由神经网络近似，可在每轮给出分数而无需跑完整轨迹
- •作为微调奖励信号，tau2-bench任务进度波动132%降至91%，toolsandbox从90%降至44%
- •无需真值标签即可接近监督微调效果
为什么重要：现有评测只看任务完成度、不看多次运行是否一致；RSD提供了可当训练信号用的轨迹级一致性度量，对部署可靠性要求高的智能体团队有直接价值。
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。