IntPro：基于检索条件推理的上下文感知意图理解代理
计算与语言
2026-03-05 v1 人工智能
机器学习
摘要
大型语言模型（LLM）已成为现代人机协作工作流程的重要组成部分，准确理解用户意图是生成满意响应的关键步骤。上下文感知意图理解 inherently challenging，因为它需要推理不仅包括 immediate context，还包括驱动用户行为的潜在动机。此外，现有方法常将意图理解视为静态识别任务，忽视了能够为更准确、更通用的理解提供有价值参考的用户累积意图模式。为此，我们提出 IntPro，一个学习适应个体用户的代理，通过检索条件意图推理实现上下文感知意图理解。我们设计意图解释抽象化 contextual signals 与表达意图之间的联系，并将其存储在individual intent history library 中供检索。我们通过在检索条件轨迹上的监督微调以及基于工具感知奖励函数的多轮 Group Relative Policy Optimization（GRPO）训练 IntPro，使其学习何时利用历史意图模式，何时进行直接推理。在 Highlight-Intent、MIntRec2.0 和 Weibo Post-Sync 三个多样化场景的实验表明，IntPro 在 diverse 场景和 model types 下实现了强劲的意图理解性能，展现了有效的上下文感知推理能力。
引用
@article{arxiv.2603.03325,
title = {IntPro: A Proxy Agent for Context-Aware Intent Understanding via Retrieval-conditioned Inference},
author = {Guanming Liu and Meng Wu and Peng Zhang and Yu Zhang and Yubo Shu and Xianliang Huang and Kainan Tu and Ning Gu and Liuxin Zhang and Qianying Wang and Tun Lu},
journal= {arXiv preprint arXiv:2603.03325},
year = {2026}
}