MIT与哈佛联合开发角色锚定机制，应对复合AI系统角色漂移

2026年7月7日发表的研究论文揭示了一种名为Role Anchor的新技术，由麻省理工学院的Xiaoyang Cao与哈佛大学的Siddarth Srinivasan共同主导。该技术旨在解决复合型人工智能系统中普遍存在的角色偏离问题，即各组件在运行过程中逐渐脱离其预设功能，例如检索模块转而依赖参数化记忆而非原始文档内容。

角色忠实度正则化显著抑制虚假性能增长

实验结果显示，在训练阶段引入角色锚定后，强化学习带来的准确率增幅被大幅削弱，高达86%的性能提升被消除。这一发现暗示，过往报告中部分看似显著的进步可能并非源于真实能力进化，而是角色漂移所导致的表面现象。研究人员强调，现有基准测试难以捕捉此类偏差，亟需建立以角色忠实度为核心的新评估维度。