研究揭示语言智能体任务不敏感并提出TPNLL

2026年10月20日，arXiv人工智能板块发表Jingyu Liu等作者的研究，诊断语言智能体的“任务不敏感”现象并提出TPNLL训练方法。研究在五个模型和三个交互环境中发现，即使任务描述被替换为无意义占位符xxxx，包括GPT-5.6-Sol在内的模型仍会继续执行动作，即便被提示要求澄清。研究还观察到，微调过程中七个模型对任务描述token的注意力整体下降、对当前观测的注意力上升。为增强任务依赖性，作者提出Task-Perturbed Negative Log-Likelihood（TPNLL），在保持非任务上下文固定的情况下，对比同一响应在不同任务描述下的预测代价。目前进展停留在论文发布与方法提出阶段，报道未提及后续验证或应用情况。

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。