Prism：通过复杂意图理解降低LLM用户认知负荷

大语言模型正迅速成为社交平台的网页原生接口。在社交网络上，用户目标常常模糊且动态，使复杂意图理解——而非单轮执行——成为高效人机协作的基石。现有方法试图通过顺序或并行提问澄清用户意图，但未能解决核心挑战：建模澄清问题之间的逻辑依赖。受认知负荷理论启发，我们提出Prism，一个实现逻辑连贯且高效意图澄清的复杂意图理解新框架。Prism包含四个定制模块：复杂意图分解模块，把用户意图分解为更小的、结构良好的元素并识别其间逻辑依赖；逻辑澄清生成模块，基于这些依赖组织澄清问题，确保连贯、低摩擦的交互；意图感知奖励模块，通过意图感知奖励函数评估澄清轨迹的质量，并利用蒙特卡洛采样模拟用户-LLM交互，大规模生成高质量训练数据；自进化意图调优模块，通过数据驱动的反馈与优化迭代精炼LLM的逻辑澄清能力。Prism在澄清交互、意图执行与认知负荷基准上持续超越现有方法。它取得最先进的逻辑一致性，把逻辑冲突降至11.5%，用户满意度提升14.4%，任务完成时间缩短34.8%。全部数据与代码已发布。