论文arxiv cs.CL · 1w ago重要
When Reasoning Narrows the Move: Diversity Collapse in LLM Game Play
分类释义：学术论文 / 技术报告
TL;DR
研究发现 SFT 微调会显著降低 LLM 在棋盘游戏中的行动多样性，且这种多样性崩溃程度超过准确性-多样性权衡所需的最低程度。
关键要点
- 01研究发现 SFT 微调会显著降低 LLM 在棋盘游戏中的行动多样性。
- 02且这种多样性崩溃程度超过准确性-多样性权衡所需的最低程度。
为什么值得关注
对于构建 LLM Agent 的工程师来说，这意味着微调后的模型可能在决策时变得可预测甚至陷入局部最优。论文提出的「行动增强」（训练时包含所有最优动作而非单一示范动作）是一个可执行的技术方案，建议在微调决策类模型时采用。
对你的工程实践意味着什么
LLM 实时生成MiniMax-M2.7缓存命中
| 角色 | 你应该做什么 |
|---|---|
| Tech Lead | 在模型微调评估标准中新增「行动多样性」指标，避免只关注准确率 |
| 应用工程师 | 对决策类模型采用「行动增强」训练方式——训练时包含所有等优动作而非单一示范 |
| 运维 / 平台 | 暂无直接影响，了解即可 |
| 产品 / 业务 | 在涉及 Agent 决策能力的验收场景中，增加行为多样性的测试用例 |
同类资讯
本页 TL;DR 与「为什么」由 LLM 生成 · 模型：MiniMax-M2.7 / Claude Haiku 4.5