arXiv Artificial Intelligence· Esmail Gumaan·2026-10-23 12:00· 4 小时前AI 评分34

游戏中的反馈反噬：LLM 玩家会重复刚看过失败的那步棋吗？

Feedback That Backfires in Games: Do LLM Players Repeat the Move They Just Watched Fail?

AI 导读

在 Sokoban、Connect Four、Othello 中，把失败动作及报错写入记录会让 8 个指令微调模型（135M-1.7B）更倾向重复该动作，纠正增益 G = -1.38 nats per token，且主要经由动作表面形式、仅对非法动作成立。