研究：语言模型智能体存在信念-行动差距

一项发表于 arXiv 的研究发现，语言模型智能体在文本网格世界中往往能可靠地表征状态与价值信息，却未在行为中体现，作者称这一现象为“信念-行动鸿沟”。研究用报告式与表征式探针估计任务相关信念，用逆强化学习估计行动价值。 追踪推理过程显示，行动偏好会在某个承诺点附近收敛，报告的不确定性随之下降。强制行动实验发现，来自其他决策的推理前缀可被移植，而推理窗口激活编辑对行动的控制有限。

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。