新研究：LLM 能否识别缺失信息并反问？
marinkazitnik · x · 2026-08-19
Marinka Zitnik 分享了一项新研究，探讨 LLM 是否知道何时拥有足够的信息来回答问题，以及在信息不足时该问人类什么。
- 核心问题：现有 Agent 研究多关注回答能力，但反向能力（识别缺失信息并提出追问）对医疗等高风险场景至关重要。
- 案例：在骨盆疼痛诊断中，疼痛时长决定了后续路径，若不询问，Agent 无法判断相关性。
- 成果：论文与项目已发布，旨在提升 Agent 在人机交互中的准确性与安全性。
所属事件:研究称大模型严重低估信息缺失量，提问顺序影响诊断准确率(3 条相关)→
「研究」频道最新
- 观点：技能优化只是 prompt 优化的新包装 — IanArawjo · 2026-08-19
- NBER 研究：Pangram 检测器误报率接近零 — soumitrashukla9 · 2026-08-19
- AI 风险真相：失控的权限比模型能力更致命 — bigdata · 2026-08-19
- 4300 个真实编码 Agent 会话实测：缓存命中高但成本仍平方级增长 — CShorten30 · 2026-08-19
- 贝叶斯观点赢得了 AI 辩论，却鲜有人察觉 — AdaptiveAgents · 2026-08-19
- 技术讨论：过确定投影在表示学习中可能优于任意嵌入表 — kalomaze · 2026-08-19