微软实验揭示 LLM 痛点：多轮交互中过度依赖初期方案，纠错能力缺失

微软最新研究发现，大语言模型（LLM）在多轮对话中的表现不尽人意。通过大规模模拟实验，研究人员对比了顶级开源及闭源 LLM 在单轮和多轮对话中的性能，结果显示，在六个生成任务中，模型性能平均下降 39%。分析超 20 万次模拟对话发现，性能衰退源于固有能力减弱及不可靠性增加。LLM 在对话初期常过早假设并尝试生成最终方案，且过度依赖这些方案，一旦方向错误，便难以自我纠正，彻底迷失方向，严重影响其在多轮对话场景中的实用性 。