论文提出VagueBench基准与DialogGRPO方法训练LLM主动追问。
资讯摘要
论文提出“主动追问”能力，并构建VagueBench基准：将种子查询经受控删减语言线索，降级为意图模糊与完全模糊变体，从而已知隐藏信息集，可评测何时问、问什么。作者报告，七个8B至前沿模型在欠明确查询中触发追问的比例不足11%。论文还提出离线强化学习方法DialogGRPO，将多轮追问组织为对话状态有向无环图，用组相对比较的回合级密集奖励做细粒度信用分配。
要点速读
- VagueBench将查询降级为意图模糊和完全模糊两类变体，用于评测追问时机与内容。
- 作者报告七个8B至前沿模型在欠明确查询中追问率不足11%。
- DialogGRPO在超88%的模糊查询上引出缺失信息，并零样本泛化到MultiWOZ 2.4与AmbigQA。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。