arXiv cs.CL· Yanru Xiao, Yingwei Yu·· 10 小时前AI 评分31
带搜索能力的 LLM 智能体中的认知偏差特征：一项分阶段解析分析
Cognitive Bias Signatures in Search-Equipped LLM Agents: A Stage-Resolved Analysis
AI 导读
研究用受控搜索环境考察结果顺序、既往失败记录与初始假设如何影响带搜索能力的 LLM 智能体，覆盖 10 个模型和 1,000 个合成搜索世界。结果显示，主动搜索时最终答案对初始证据顺序更敏感；死胡同历史相比中性历史会减少策略切换，且该效应超出上下文长度的影响。在错误假设下，分阶段测量可区分检索或打开减少与打开反证后仍持续的错误。
正文 · AI 翻译
摘要：搜索可以帮助 LLM 智能体纠正错误，但其起始条件可能会影响它们找到并使用哪些证据。借鉴认知偏差范式，我们开发了一个受控搜索测试框架，在固定每个问题和文档集合的情况下，考察结果顺序、先前工作的记录以及初始假设。匹配对照区分了顺序效应与文档组成差异，以及失败工作的影响与上下文长度的影响。在 10 个模型和 1,000 个合成搜索世界中，我们追踪查询、检索到的文档、文档打开情况和最终答案。我们的比较表明，在主动搜索过程中，最终答案对初始证据顺序的敏感程度高于一次性提供全部证据时。与匹配的中性历史相比，死胡同历史可能减少策略切换，这表明存在超出上下文长度的影响。在错误假设下，分阶段测量区分了检索或打开减少与反证据被打开后仍持续存在的错误。探索性干预表明，更频繁地打开反证据可能与更低的准确率同时出现，而准确率也可能在打开情况几乎不变的情况下得到提升。
| 评论： | 19 页，4 张图 |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2611.05720 [cs.CL] |
| （或 arXiv:2611.05720v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.05720 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yanru Xiao [查看邮箱]
[v1]
2026 年 11 月 3 日星期二 22:46:55 UTC（163 KB）
来源：arXiv cs.CL · arxiv.org