需求披露越隐蔽，智能体推荐成功率越低，主动提问是关键。
资讯摘要
论文提出 τ-Rec-Books 基准，用于评估 AI 智能体在对话推荐中逐步发现用户需求的能力。该基准固定用户请求，只改变需求披露时机：全部在开头给出、部分需主动询问、部分始终隐藏。作者基于 Wikidata 的 2 万本书目录生成 450 个任务，用规则模拟用户作答，并按目录元数据评分。结果显示，四类智能体在隐藏需求场景下成功率明显下降。
要点速读
- 基准设三种需求披露模式：volunteer（开头全给）、mixed（部分需询问）、hidden（部分永不透露），隐藏需求只能通过推荐书籍并从用户接受或拒绝中推断。
- 基于 Wikidata 的 2 万本书目录生成 450 个任务，使用规则模拟用户，按目录元数据评分，不依赖 LLM 评判。
- 四类智能体与两种搜索接口下，平均成功率从 volunteer 的 0.975 降至 mixed 的 0.756 和 hidden 的 0.283；mixed 失败主因是智能体不主动提问，被要求提问后均达至少 0.931。
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 2026/11/5 08:00:38（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。