辅助智能体通过信息价值推理实现理性澄清

论文提出 REVOIR 方法，让语言辅助智能体在用户请求模糊时，通过推理提问的信息价值来决定是直接执行还是先澄清。信息价值指答案带来的任务奖励预期提升。在 CondAmbigQA 和 ADAPT 两个辅助任务中，REVOIR 比提示、思维链、微调或信息增益方法成功率更高且提问更少，在 ADAPT 上偏好满足度比微调澄清策略提升 13-15%，无需训练且提问次数少五倍。当用户能低成本纠正时，REVOIR 会推断提问并非总是高效。

此前澄清策略多以减少用户意图不确定性为目标，达到阈值就停止提问，忽略了下游任务收益和提问成本。REVOIR 将澄清决策转向任务奖励导向，在保持甚至提升成功率的同时大幅减少提问，并能在用户可低成本纠正时主动选择不提问，显示出对交互环境的自适应能力。

REVOIR 在推理阶段估计每个候选澄清问题的信息价值，即收到答案后任务奖励的预期改善，并比较立即执行与继续提问的收益和成本。它不依赖额外训练或微调，而是将价值计算嵌入推理过程，因此能自然根据用户是否提供低成本纠正来调整提问策略。

对辅助型产品，可在不增加训练成本的前提下减少澄清提问次数，降低对用户的打扰，同时提升任务完成和偏好满足度。研发上可把信息价值推理作为推理期模块接入现有智能体，替代或补充基于不确定性阈值的澄清策略，但需针对具体任务定义奖励信号。

• 在客服或生活助手类产品中，用 REVOIR 式信息价值判断替换固定阈值澄清，减少提问次数并保持任务成功率。
• 面向需要偏好对齐的任务规划场景，接入可配置奖励信号，验证偏好满足度提升是否可复现。
• 针对用户可低成本纠正的交互场景，设计动态策略，允许先执行再根据纠正反馈调整，而非一律先提问。

• REVOIR 在证据未列出的其他任务或真实用户场景中是否同样有效？
• 任务奖励信号在实际产品中如何定义和获取，是否需要人工标注或额外反馈？
• 信息价值推理带来的推理延迟和计算成本是多少，是否适合实时交互？
• 当用户纠正成本较高或不可及时，REVOIR 的提问策略是否仍优于基线？