马里兰大学计算机科学团队在语言模型研究领域取得突破性进展，其最新论文通过系统实验揭示了当前主流模型在复杂决策任务中存在的探索能力缺陷。这项发表于学术预印本平台（arXiv:2601.22345v1）的研究，通过设计三个创新测试环境，证实即便是GPT-5、Qwen等顶尖模型，也会在需要平衡探索与利用的场景中过早锁定次优解。
研究团队将语言模型的探索困境类比为"急性子游客"现象：当被要求在陌生城市寻找最佳餐厅时，模型会像急于就餐的游客，在发现第一家看似不错的餐馆后立即停止搜索，而忽略后续可能存在的更优选择。这种行为模式在"山峰搜索"测试中尤为明显——模型在发现局部高峰后，会将剩余所有查询集中在该区域，导致98%的测试中错过真正最高峰。
实验设计凸显三大创新维度：在"树形搜索"任务中，模型需在包含陷阱分支的家族网络中寻找最优路径，但83%的模型会执着于初期看似有希望的分支，最终陷入低收益区域；"布尔满足性搜索"则要求模型破解隐藏黄金条件的复杂密码锁，结果显示模型更倾向于进行小幅优化调整，而非尝试可能暂时降低分数但具有突破性的组合。这些测试环境通过精确控制"诱饵"吸引力与"真宝藏"隐蔽性，构建出衡量探索能力的标准化框架。
深入分析发现，模型存在三重认知偏差：早期承诺效应使模型在接触初始解决方案后产生锚定心理；路径依赖导致序列决策中难以调整方向；局部优化陷阱则表现为过度偏好渐进式改进。研究特别指出，即便具有强大推理能力的模型，在需要长期规划的决策任务中仍会表现出"战略短视"，这表明探索能力与推理能力可能属于不同认知维度。
针对这些缺陷，研究团队提出两项创新策略：并行预算分配通过将查询预算拆分为多个独立线程，使模型获得多次"重新出发"机会，在山峰搜索任务中使成功率提升47%；定期总结策略则要求模型在关键节点生成探索报告，通过强制回顾全局情况打破思维定式，在树形搜索任务中使探索效率提高32%。这两种策略在不同难度变体中均表现出稳定效果，证明其具有普适性。
该发现对人工智能应用产生重要启示：在科学研究、商业决策等需要寻找全局最优解的场景中，单一模型建议可能存在系统性偏差。研究建议采用多模型并行探索或引入人工总结机制，通过多样化策略降低陷入局部最优的风险。实验数据显示，结合两种改进方案的复合策略，可使布尔满足性搜索的成功率从基础模型的19%提升至68%。
技术层面，研究通过汉明距离分析揭示模型行为模式：连续查询间的变量调整幅度普遍小于3，表明模型主要进行局部搜索。理论分析进一步证明，当任务成功率遵循亚线性分布时，并行策略在低成功率区域具有显著优势。这些发现为开发下一代探索型AI提供了新的评估指标和优化方向。
对于普通用户，研究团队建议在与AI协作决策时采用"三次验证原则"：要求模型从不同初始条件生成多个解决方案，定期回顾探索进程，并特别关注那些初期表现不佳但具有潜在价值的选项。这种交互模式在投资策略测试中使年化收益率预测误差降低29%，验证了其实际有效性。
完整研究论文可通过学术预印本平台获取（arXiv:2601.22345v1），其中包含测试环境构建细节、模型行为量化分析方法，以及改进策略的具体实现代码。这项工作不仅为语言模型的能力评估提供了新范式，也为开发具有真正自主探索能力的人工智能系统奠定了理论基础。