大型语言模型在单轮指令下表现出色，可一旦面对需求模糊的多轮对话，性能竟平均下滑近四成。这篇论文通过超过20万次仿真对话，揭示了模型在信息不完备时急于下结论、一旦跑偏就难以回头的“迷失”现象。研究将完整指令拆分为碎片逐轮披露，模拟真实沟通场景，发现可靠性崩塌远大于能力不足，为评测与优化敲响警钟。
原文：arxiv.org
LLM为何迷失在多轮对话里
19分钟 ·
32·
0
320
00:00
00:00
320大型语言模型在单轮指令下表现出色，可一旦面对需求模糊的多轮对话，性能竟平均下滑近四成。这篇论文通过超过20万次仿真对话，揭示了模型在信息不完备时急于下结论、一旦跑偏就难以回头的“迷失”现象。研究将完整指令拆分为碎片逐轮披露，模拟真实沟通场景，发现可靠性崩塌远大于能力不足，为评测与优化敲响警钟。
原文：arxiv.org