快速识别用户意图提高对话效率的策略

博主点评：AI的功能日益强大，越来越多的人将AI中常见的信息检索功能运用到日常工作和生活中，但同时也存在信息检索有歧义，导致答案存在偏差。今天将给大家介绍一个新的检索框架，可以识别用户意图，提高对话效率，解决用户问题。

论文标题：Sherlock Your Queries: Learning to Ask the Right Questions for Dialogue-Based Retrieval

发表日期：2025-10-21

摘要：信息检索中的用户查询往往具有歧义性，这使得系统难以从单个查询中识别出用户的意图。虽然最近的对话式交互检索系统能够澄清用户的意图，但它们效率低下，因为通常缺乏明确的方法来提出最具有信息性的问题。为了克服这一局限性，我们提出了SherlockLLM，一个通过强化学习（RL）进行对话驱动的检索框架，它能够学习最优的问题询问策略，并避免需要大规模标注对话数据的需求。在我们的框架中，代理被训练生成一系列的二进制问题，以有效地缩小搜索空间。为了验证我们的方法，我们引入了一个包含有结构和无结构任务的基准测试。实验结果表明，SherlockLLM是一种鲁棒且高效的解决方案。在有结构的任务上，其性能与强大的基线相当，接近二分法的理论最佳值。在具有挑战性的无结构任务上，我们的代理显著优于这些基线，展示了其能够学习高度有效的信息寻求对话策略的能力。

论文地址：https://arxiv.org/pdf/2510.18659