Cohere 论文：智能体会探索却会忽略——仅 37-50% 会用眼前现成解法
burny_tech · x · 2026-11-05
Cohere 研究者（Engländer、Althammer、Üstün、Sherborne，及 Poolside 的 Gallé）发布论文《Agents Explore but Agents Ignore: LLMs Lack Environmental Curiosity》，挑战「智能体会自然利用环境中意外发现」的假设：
- 在 Terminal-Bench、SWE-Bench、AppWorld 三个基准中，把完整任务解法直接注入智能体环境（如工作目录里的 solution.sh）
- Terminal-Bench 上智能体在 79-81% 的运行中会发现解法，但只有 37-50% 真正使用它
- AppWorld 上反差最极端：超 90% 的尝试中智能体看到了「此命令返回本任务完整解法」的文档，利用率却不足 7%
论文将此缺陷命名为「环境好奇心」（environmental curiosity）缺失，并识别三个影响因素：agent scaffold 中的可用工具、测试时算力、训练数据分布。优化好奇心最高的配置恰好也在原始基准上表现最好，但即便如此，大多数试验中智能体仍会忽略已发现的解法——它们只用环境获取预期信息，不会据此修正策略。
「编程与Agent」频道最新
- 不学提示词了:让 Opus 当指挥,批量调度便宜模型干活 — teortaxesTex · 2026-11-06
- 纯 three.js 代码复刻塞尔达迷雾效果，作者公开完整 prompt — majidmanzarpour · 2026-11-06
- 「Agent 最大化」的隐性代价：让 AI 包办杂事会让你失去品味与创造力 — bendee983 · 2026-11-06
- DeepLearning.AI 推出语音 Agent 课程：教你三种给应用加语音的集成模式 — DeepLearningAI · 2026-11-06
- Bittensor 训练的 9B 模型 SWE-bench 达 43.6%，超 Qwen3.5-9B — const_reborn · 2026-11-05
- Slack/GitHub 老将复盘:自定义 emoji 为何限 23 个 — The Pragmatic Engineer · 2026-11-05