摘要
针对交互式大语言模型智能体，本文提出一种基于提示的不确定性分解方法，将行动置信度与请求不确定性分离，使智能体能在任务描述模糊时主动寻求澄清。该方法无需训练或多次采样，适用于黑盒 API 部署。在两个新增的澄清增强基准测试中，相较于现有方法，该技术在五个不同大模型骨干网络上显著提升了澄清任务的 F1 分数，证明了其泛化能力和有效性。
AI 推荐理由
论文核心研究不确定性分解以提升推理中的澄清能力，属推理机制创新。
研究机构
AI Talent Hub, ITMO University
Saint Petersburg, 197101, Russia
论文信息