DiscoverLLM：从执行意图到发现意图

为处理含糊而开放式的请求，大语言模型（LLM）越来越多地被训练与用户交互，以呈现用户尚未表达的意图（例如提出澄清问题）。然而，用户之所以含糊，往往是因为他们尚未形成自己的意图：他们必须观察并探索各种结果，才能发现自己想要什么。当用户自己都不知道答案时，简单地问“你想要什么样的语气？”就会失败。我们提出 DiscoverLLM，一个新颖且可泛化的框架，训练 LLM 帮助用户形成并发现其意图。该方法的核心是一个新颖的用户模拟器，它用逐级递进具体化的意图层级来建模认知状态——具体化程度可作为奖励信号，模型可经训练学会优化它。由此训练出的模型学会与用户协作：当意图不清晰时自适应地发散（即探索选项），当意图具体化时收敛（即细化并落实）。在创意写作、技术写作和 SVG 绘制这三项所提出的交互基准上，DiscoverLLM 将任务表现提升超过 10%，同时把对话长度最多缩短 40%。在一项有 75 名人类参与者参与的用户研究中，DiscoverLLM 相比基线提升了对话满意度与效率。