热点事件持续更新
研究发现游戏失败反馈反致LLM更易重复犯错
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026年10月，发表于arXiv的一项研究指出，在游戏场景中将失败操作记录写入对话历史，反而会导致大语言模型智能体更容易重复犯错。研究人员在推箱子、四子棋和黑白棋三种游戏测试中评估了8个参数量在135M至1.7B之间的模型，发现模型在非法操作下的矫正增益为 G = -1.38 nats/token，使用贪婪解码时仍会重复38%原本想走的操作。研究同时发现，若在失败描述中省略具体操作字符串可保留偏好，且该问题在 OLMo 2 1B 模型经过DPO（直接偏好优化）训练后基本消除。
AI 根据报道生成 · 7 小时前更新
最新进展10月23日 12:00
研究显示将失败操作写入历史反致LLM更易重复犯错，但省略具体操作或经DPO微调可改善。报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv 人工智能游戏中的适得其反反馈：大语言模型玩家会重复刚失败的操作吗？
研究发现将失败操作记录写入对话历史会导致大语言模型智能体更容易重复犯错。在推箱子、四子棋和黑白棋测试中，8 个 135M-1.7B 参数的模型在非法操作下矫正增益为 G = -1.38 nats/token，贪婪解码仍会重复 38% 原本想走的操作。省略具体操作字符串的失败描述可保留偏好，且该现象在 OLMo 2 1B 经过 DPO 阶段后基本消除。
本事件热度走势
当前热度 8·可比范围峰值 10（10月23日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。