研究人员推出了一种名为 DialogGRPO 的新基准和训练方法，以改进大型语言模型处理不完整用户查询的方式。目前的 LLM 常常无法提出澄清性问题，只有不到 11% 的不明确查询会触发后续提问。新的 VagueBench 基准和 DialogGRPO 方法（一种离线强化学习方法）使模型能够更有效地提出有针对性的问题，在不向完整查询过度提问的情况下，成功获取缺失信息的成功率超过 88%。这种方法在效率和答案覆盖率方面取得了显著的进步，优于现有基线，并能泛化到其他数据集。 AI
影响 提高了 LLM 处理模糊查询的能力，有望带来更自然、更高效的用户交互。
排序理由 学术论文，介绍 LLM 的新基准和训练方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
