是什么驱动了基于反馈的交互式改进？

本文研究了自然语言反馈何时能产生超越单纯重复尝试的改进效果。通过在多轮智能体场景中引入受控的“学生 - 教师”协议，并在多个基准测试中评估十三种开源模型，文章对比了外部反馈、自反馈及无引导自优化。研究发现，多轮改进往往并非源于有效利用反馈：自生成反馈增益有限，而高质量外部教师能带来显著提升。结果表明，交互式改进的关键瓶颈在于智能体利用反馈的能力，而非反馈本身的可得性，强调需以重复尝试为基线评估基于反馈的智能体。