ProCompNav：主动实例导航，对不明确的用户查询进行比较判断

当初始用户请求未唯一指定目标实例时，自然语言实例导航变得具有挑战性。实用的代理应该通过主动询问将目标与类似干扰物区分开来所需的信息来减轻用户的负担，而不是要求预先提供详细的描述。现有的方法常常会因为错误地使用与用户提供的有关目标的累积信息强烈匹配的干扰因素而达不到这一目标。因此，尽管进行了对话，代理仍然可能无法区分目标和干扰物，从而导致过早的决策和冗长的用户响应。我们提出了具有比较判断的主动实例导航（ProCompNav），这是一个两阶段框架，首先构建候选池，然后通过递归比较判断（RCJ）识别目标。 RCJ 通过选择划分候选者的属性值对、询问用户二元问题并删除不一致的候选者来迭代缩小池范围，而不需要目标特有的属性。在 CoIN-Bench 上，ProCompNav 在成功率方面优于评估的基线，同时大幅缩短了响应长度。在非交互式 TextNav 基准测试中，ProCompNav 取得了最高的成功率。两项人体研究进一步表明，参与者更喜欢 ProCompNav 的交互策略。