DiscoverLLM：从执行意图到发现意图
人工智能
2026-05-14 v2 计算与语言
人机交互
机器学习
摘要
为了处理模糊和开放式请求，大型语言模型 (LLM) 正在越来越多地训练为与用户交互，以表现他们尚未表达的意图（例如，询问澄清问题）。然而，用户常常是模糊的，因为他们尚未形成其意图：他们必须观察和探索结果才能发现自己想要什么。简单地询问“您想要什么样的语气？”在用户自身不知道时会失败。我们引入 DiscoverLLM，一个新颖且通用的框架，用于训练 LLM 以帮助用户形成和发现其意图。我们方法的核心是一种新型用户模拟器，该模拟器以意图层次结构建模认知状态，随着模型呈现相关选项而逐步具体化——其中具体化程度作为可训练的奖励信号。结果模型学习与用户协作，通过在意图不清晰时适应性地探索选项，在意图具体化时收敛（即细化和实施）。在提出的创意写作、技术写作和 SVG 绘图交互基准测试中，DiscoverLLM 在任务性能上实现了超过 10% 的提升，同时将对话长度缩短了最高 40%。在 75 名人类参与者的用户研究中，DiscoverLLM 在对话满意度和效率方面优于基线。
引用
@article{arxiv.2602.03429,
title = {DiscoverLLM: From Executing Intents to Discovering Them},
author = {Tae Soo Kim and Yoonjoo Lee and Jaesang Yu and John Joon Young Chung and Juho Kim},
journal= {arXiv preprint arXiv:2602.03429},
year = {2026}
}
备注
Accepted at ICML 2026