（问题）随着语言模型科研辅助、信息检索、运营决策与自动化代理等场景加速落地，其能力评估已从“会不会回答”转向“能不能在不确定环境中持续探索并作出更优选择”。马里兰大学研究团队近日发布的预印本指出，当前多类先进语言模型在探索性、交互式任务上存在结构性短板：在搜索空间较大、最优解被隐藏且需要持续试探的情形中，模型往往在找到一个“看起来还不错”的方案后迅速停止广泛探索，转而在局部范围内反复微调，最终陷入“过早收敛”，错失更高价值解。 （原因）研究将该现象概括为“过早收敛陷阱”，并通过三种刻意构造的测试环境加以测量。这三类环境的共同点是：同时设置“易得但价值有限”的诱饵目标与“难寻但回报极高”的真正目标，以此检验模型是否具备持续试探、延迟满足和全局寻优能力。 其一是“山峰搜索”类任务：在被隐藏的地形函数上进行有限次数的测量，局部中等高峰密集出现，真正最高峰窄而隐蔽。其二是“树形搜索”类任务：从根节点出发逐步扩展邻接节点，预算有限且存在两类分支——表面收益高但后续递减的“陷阱分支”，与前期平淡但终局回报显著的“优质分支”。其三是“布尔满足性搜索”类任务：通过尝试变量组合提升得分，局部改进容易获得，但决定性高分依赖一个被干扰条件掩盖的关键约束。研究认为，这些环境贴近真实决策中常见的“早期反馈具有迷惑性、真正突破需要耐心探索”的特征。 测试结果显示，多数被测模型在三类任务中均表现出明显探索不足：往往进行少量试探后便围绕首次获得的较好回报展开密集利用，形成“越优化越局部、越局部越难跳出”的循环。研究还指出，在部分设置下，一些简单的启发式探索算法反而能取得更稳定的寻优表现，说明问题并非任务不可解，而是模型在探索—利用权衡上的策略倾向存在偏差。 造成这一倾向的原因，研究从任务机制与模型行为两上给出解释：一方面，语言模型交互环境中通常依赖短期回报与显著反馈来驱动下一步选择，当诱饵目标在早期更“显眼”时，模型容易将其误判为最优区域；另一上，模型在生成式决策中更擅长基于已有信息进行局部改写与渐进改进，而对“为了发现未知而主动付出试错成本”的长期规划能力相对薄弱。在预算受限或回合数有限条件下，这种偏好更容易固化为过早收敛。 （影响）该发现对语言模型应用提出了更高要求。现实中不少高价值任务并非一次性问答，而是包含持续试验与路径选择：例如药物分子筛选、材料配方探索、复杂软件调试、商业策略试点、网络攻防演练等，均具有“局部可行解很多、全局最优稀缺且隐藏”的特征。如果系统过早锁定次优方案，轻则导致效率损失与机会成本上升，重则在关键决策中形成路径依赖，影响安全性与可靠性。研究提醒，面向决策支持的系统评测不能只看静态基准分数，更应引入可解释的探索性指标与交互式压力测试。 （对策）在改进方向上，研究提出应从“提升探索动机”和“降低局部锁定”两条路径入手：其一，在策略层面引入更明确的探索机制，例如设定探索预算、对信息增益进行奖励、在若干回合内强制覆盖不同区域，以避免被早期回报牵引；其二，优化行动选择的分布，使模型在面对多个相近候选时保留一定随机性与多样性，从而提高跳出局部最优的概率；其三，在系统工程上，将语言模型与成熟的搜索、规划或贝叶斯优化模块协同，形成“生成—评估—再规划”的闭环，让模型不只负责表述和推理，也接受外部探索策略的约束与校正。研究强调，探索能力并非单靠扩大参数规模即可自然获得，需要针对交互任务进行专门训练与评测。 （前景）业内普遍认为，语言模型正从“对话工具”走向“通用代理”，其在开放环境中的自主试探能力将直接决定可用边界。此次研究为后续工作提供了可复现实验框架与问题刻画方式，有助于推动形成更贴近真实风险的测评体系。下一阶段，如何将探索能力以可控、可审计的方式嵌入实际系统，并在安全约束下实现稳定寻优，将成为模型研发与产业落地的关键课题。随着更多交互式基准与标准化评估方法建立，探索缺陷有望被更早识别并通过算法与工程手段逐步缓解。
这项研究客观揭示了当前AI技术的局限性。虽然语言模型在很多领域表现出色，但在需要深度探索的任务中仍有明显不足。这既为开发者指明了优化方向，也提醒使用者理性认识技术边界。随着涉及的方法的改进，未来语言模型有望在保持现有优势的同时，逐步提升探索能力，拓展应用范围。