arXiv cs.CL· Ibrahim Khebour, Nikhil Krishnaswamy·· 10 小时前AI 评分31
何时提问、何时作答：对话中歧义指代消解的策略性澄清研究
When to Ask, When to Answer: Strategic Clarification for Ambiguous Reference Resolution in Dialogue
AI 导读
研究提出"策略性澄清"问题：在指代游戏中，当澄清问题的答案能缩小候选指代集合时，LLM 应主动提问而非过早作答。团队基于 SIMMC 2.1 构建受控测试环境，记录每个歧义指代所需的问题数量，并对比基线 LLM 与常见后训练方法的表现。
正文 · AI 翻译
摘要：对人类而言，指代消歧是一个协作过程，当澄清问题会实质性地改变结果时，人们会提出这些问题。然而，大型语言模型（LLM）已被证明倾向于过早作答，偏好给出确定的单轮回答，而非进行更多澄清交流。本文研究“策略性澄清”问题——在指代游戏中，当澄清问题的答案会缩小候选指代对象集合时，如何提出澄清问题。我们基于 SIMMC 2.1 数据集构建了一个受控测试环境，记录每个歧义指代需要多少个问题才能成功消解，并考察基线 LLM 行为与常见后训练方法在提出澄清问题与尝试回答指代对象之间的表现。我们还提出了 BACE（带认知追踪的信念感知评判器），一种构建于冻结 LM 主干之上的轻量级动作选择方法，并表明 BACE 比 GRPO 和 ArCHer 等方法更稳定地选择最优的澄清问题数量。
| 评论： | 22 页，10 幅图。代码与数据：此 https URL |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.05517 [cs.CL] |
| （或 arXiv:2611.05517v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.05517 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Ibrahim Khebour [查看邮箱]
[v1]
2026 年 11 月 3 日星期二 19:14:42 UTC（1,503 KB）
来源：arXiv cs.CL · arxiv.org