arXiv · NLP· Rongyu Zhang, Mutian Bao, Jinjian Zhang, Yuetian Du, He Xu, Wei Zhou, Xiaojun Zhu, Ming Kong, Jie Liu, Linjian Mo, Qiang Zhu·· 17 天前AI 评分32
VagueBench 与 DialogGRPO:评估和训练开放式 LLM 对话中的主动澄清能力
Don't Guess, Ask Wisely: Benchmarking and Training Proactive Elicitation in Open-Domain LLM Conversations
AI 导读
研究发现少于 11% 的模糊查询会触发 LLM 追问。团队提出 VagueBench 基准测试 DialogGRPO 强化学习方法。 DialogGRPO 在 88% 的模糊查询中成功提取缺失信息,优于提示词基线,并零样本泛化至 MultiWOZ 2.4。该方法实现了细粒度信用分配,提升了回答覆盖率。
来源:arXiv · NLP · arxiv.org