知道但不表现：LLM 认识到歧义但很少提出澄清问题

用户查询通常不明确，并且可能接受多种有效的解释。一个有用的助手应该通过提出澄清问题来揭示这种模糊性，而不是默默地对用户的意图做出假设。这样做需要两种能力：认识到查询是不明确的，并根据这种认识采取行动，寻求澄清而不是直接回答。为了研究这些能力，我们在三种环境中评估歧义、明确和消歧问题的模型：标准问答、显式歧义判断和行为分析，其中判断模型将响应分类为直接答案、拒绝或澄清问题。我们发现识别和行为之间存在明显的差距：当明确要求对模型进行判断时，模型通常会识别出歧义，但在 QA 设置中，它们绝大多数默认为直接答案。检索到的上下文通过提高可回答性进一步扩大了这一差距，同时使模型更不可能提出澄清问题。