研究:LLM Agent 按来源偏好看货,压过需求满足度
SeoulNatlUniv · hf · 2026-10-05
首尔国立大学团队研究 LLM Agent 端到端搜索中的「来源偏好」：测试 12 个 agent 模型在购物、订酒店、引用论文三个领域的表现。
核心发现
- 在同一位置比较满足相同要求的不同来源条目时，每个模型都偏好某些来源、回避另一些，且各模型对好坏来源的判断高度一致。
- 偏好可压过条目本身质量：来自偏好来源、少满足一条要求的商品，约三分之二概率胜过来自非偏好来源的更优商品，反向则几乎不发生。
- 标识来源的信息本身就影响选择：隐藏来源信息会削弱偏好，把条目改标为偏好来源会提升其被选率。
成因与缓解：两条路径——奖励「更好条目」的训练使来源成为满足要求的捷径；信息缺失触发对来源的先入之见。补充缺失信息或用提示词对抗先入之见可降低来源偏好。
「模型」频道最新
- Ethan Mollick 批评 OpenAI 关停 GPTs:企业与教育用户被弃之不顾 — emollick · 2026-10-05
- Midjourney 创始人晒模型竞技场榜单,并公开完整数据 — DavidSHolz · 2026-10-05
- 欧洲 Aleph Alpha 开源 Kolibri:78B 参数仅 3.46B 激活,上下文达 1M — skdh · 2026-10-05
- 陶哲轩曾预测 FrontierMath Tier 3 能挡 AI 数年,结果不到两年被攻破 — Eliv_nurotic · 2026-10-05
- 用户吐槽 ChatGPT Pro 满屏推销广告,付费套餐也躲不开 — weswinder · 2026-10-05
- Matt Shumer:Claude Opus 5.5 若配 Codex 级电脑操作将无敌 — mattshumer_ · 2026-10-05