Google Research 提出通过自训练让 LLM 学会反问澄清
sebkrier · x · 2026-08-30
Nick Swan 观察到现有的 AI 聊天应用常表现得像“优柔寡断的 Dave”，面对模糊查询时倾向于过度推测而非反问澄清，导致在用户补充语境后给出自相矛盾的建议。Google Research 的新论文《Learning to clarify》针对这一问题提出了基于行动的对比自训练（ACT）方法。
核心内容：
- 问题背景：经 RLHF 优化的 LLM 在面对模糊意图时，常采取过度对冲或隐式猜测，而非主动发起澄清对话，缺乏多轮对话技能。
- 解决方案：ACT 是一种准在线偏好优化算法，基于 DPO（直接偏好优化），旨在数据高效地学习多轮对话策略。
- 应用场景：在表格问答和机器阅读理解等真实对话任务中验证了效果。
- 新任务：引入了 AmbigSQL 任务，专注于在复杂 SQL 代码生成中消除歧义。
「应用」频道最新
- OpenAI 发布 GPT-Live-1.1：语音新增多语言声音、口音更准停顿更自然 — CurieuxExplorer · 2026-10-16
- 生成式 CAD 工具 NativeCAD 提供 177 个 MCP 工具，85% 以上英文建零件需求可通过 — burhop · 2026-10-16
- Flux AI CAD 支持导入 STEP 文件后用自然语言直接改型 — burhop · 2026-10-16
- DeepMind 盘点 AI 医疗进展:基因变异定位到加速药物发现 — GoogleDeepMind · 2026-10-16
- Claude 决策法：事前验尸提示词，3 分钟顶 3 小时乐观规划 — JafarNajafov · 2026-10-16
- 推文里直接跑网站？tibo 晒出 X 内嵌可交互页面新玩法 — tibo_maker · 2026-10-16