摘要
当大语言模型（LLM）Agent 通过评估器反馈调整行为时，系统性评估偏差会传播至策略分布，即“评估器偏好耦合”。本文首次研究利用概率校准技术减轻该效应。实验对比标准二元反馈与置信度校准反馈，结果显示校准显著降低了耦合系数及分布散度。研究证实该效果非源于更新不对称性的减少，并提出校准协议作为轻量级缓解方案，优化 LLM 即裁判的部署流程。
AI 推荐理由
论文核心研究通过校准评估器反馈来缓解 Agent 自我进化中的偏差传播，直接关乎自适应与持续学习机制。
研究机构
Qilu Institute of Technology, School of Software Engineering, Tai'an, Shandong, China
论文信息