论文提出BACE方法改进LLM策略性澄清

Ibrahim Khebour 与 Nikhil Krishnaswamy 在 arXiv 发布论文（arXiv:2611.05517），研究大语言模型在歧义指代消解中的策略性澄清问题，即何时提问、何时直接作答。研究者基于 SIMMC 2.1 数据集构建受控测试环境，记录消解每个歧义指代所需的提问次数，并比较基线 LLM 与常见后训练方法的表现。论文提出 BACE（Belief-Aware Critic with Epistemic tracking）方法，一个在冻结 LM 主干之上的轻量动作选择器。据论文所述，BACE 比 GRPO、ArCHer 等方法更稳定地选择最优的澄清提问次数。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。