先发制人，再提问？——构建探索与行动类似人的理性智能体

许多新兴的AI应用——从科学发现到医学诊断——都要求智能体以战略性方式寻求信息：形成假设、提出有针对性的问题并在不确定性下作出决策。在资源有限的高风险场景中，语言模型（LMs）是否表现出理性行为？基于对人类认知的洞见，本文开发了方法以评估和提升智能体的探索与行动能力。首先，我们引入一种以决策为导向的对话任务，称为协作战舰游戏。在该任务中，舰长必须在探索（提问）与行动（开火）之间进行平衡，而侦察官必须提供准确、具有上下文 grounding 的答案。与人类玩家（N=42）进行比较后发现，许多LM智能体在提出有信息量的问题、提供准确答案以及识别高效益动作方面存在困难。为此，我们发展了受贝叶斯实验设计（BED）启发的新型蒙特卡洛推理策略。对于侦察官智能体，本方法相较于仅基于LM的基线可提升准确率最高可达14.7个百分点；对于舰长智能体，能将预期信息增益（EIG）提升至最高0.227位（94.2%达到可实现的噪声上限）。综合这些组件后，系统可实现更精准的打击（+0.303-0.374 F1），并使较弱的LM（如Llama-4-Scout）能够超过人类玩家（胜率从8%提升至82%）和前沿模型（相较于GPT-5的0%提升至67%），仅需约1%的GPT-5成本。在Guess Who?任务中，我们也复制了这些发现，方法显著提升了准确率（+28.3-42.4个百分点），表明其对构建信息寻求智能体具有广泛适用性。