BALAR：用于主动推理的贝叶斯智能体循环

大型语言模型在交互式任务中常需多轮信息交换，但现有系统多为被动响应，缺乏推断缺失信息及决定下一步提问的原则性机制。本文提出 BALAR，一种无需微调的任务无关外层循环算法，支持结构化多轮交互。该方法维护潜在状态的结构化信念，通过最大化期望互信息选择澄清性问题，并在当前表示不足时动态扩展状态空间。在侦探案例、思维谜题及临床诊断三个基准测试中，BALAR 显著优于所有基线模型。