超越一种路径：评估和增强交互式 LLM 代理中的发散思维

发散思维是创造力的核心维度，但现有的 大语言模型 (LLM) 评估将其视为单轮文本生成，未能捕捉智能体如何通过迭代交互进行推理。为了解决这个问题，我们引入了 MUTATE，这是一个交互式基准测试，旨在评估两个级别的代理发散思维：路径级别，代理发现到达同一目标的多个替代路径，以及操作级别，其中单个操作需要非典型的机制转换对象使用。与仅成功评估不同，MUTATE 对完成的路径和偏离路径的尝试进行评分，捕获传统成功率丢弃的不同推理。我们对前沿 LLM 的实验揭示了现有框架中的结构性盲点：当面临即时收敛压力时，它们往往会陷入即时行动固定，无法改善行动层面的分歧。为了克服这个问题，我们提出了 ReDNA，它将无约束的发散候选生成与收敛约束选择分开。 ReDNA 在两个分歧水平上都显着优于先前的方法，并且可以有效地推广到外部创造力环境。我们还确认其成功源于弹性发散推理的质的增强，而不是简单的环境探索。