AI 会聊百科，沿着链接找路又怎样？

AI 概念插画。

给 AI 一篇百科，再给它一个目标词条。搜索框收走，只许点击眼前的链接。它还能找到目的地吗？

2026 年 10 月 9 日，Alan Turing Institute 的研究者发布预印本，用“维基百科游戏”测试这种能力。模型最多走 100 步，不能提前查看下一页的出口。会解释一个概念，现在还得决定该往哪里走。

每一步都更像目标，就能更快到达？

实验比较了两种走法：嵌入模型选择语义最接近目标的链接；大语言模型看候选标题，挑出下一站。

在英文维基图上，GPT-4o 成功率约 71%，E5-Small 约 53%。两者输入不同：后者还能看候选摘要。研究中表现最好的模型与人类成功率相近，但成功时平均走得更远。

这个人类参照只有九人、109 局，自报结果且限时十分钟；模型则限步数。读成绩时，得把这两套规则一起带上。

“看起来有关”和“走得通”之间

想象你在陌生商场找一家店。眼前这条走廊的招牌可能很像目的地，却通向死胡同；另一条看似无关的走廊，反而连接中央大厅。

文档检索也有这层区别。搜出相似段落，解决的是“附近有什么”；沿着引用、目录和链接追查，解决的是“下一步去哪”。如果只奖励每一步的相似度，绕路时也可能一路感觉良好。

这让我更想看 Agent 的完整查找过程：它是否知道何时换方向，是否真找到了支撑答案的资料，以及为此花了多少次工具调用。最后答对当然重要，走了多远也值得记账。

---

论文：Can Language Models Play the Wikipedia Game? · 全文与附录
作者：Alexander Hickey、Joanna Knight、James Bishop
机构：The Alan Turing Institute
提交日期：2026-10-09，arXiv 预印本 v1
结果出处：正文第 3–5 节、附录 I；末两段为本文的检索设计思考。