超越专家用户：智能体应帮助用户构建偏好而非仅引出偏好

智能体通常假设专家用户——对自己想要什么有完全形成的偏好——并在任务欠指定时默认提出澄清问题。我们论证该假设不现实。用户常缺乏领域知识来拥有完全指定的偏好；如果被问及对某特征的偏好，用户可能无法回答——除非智能体帮助用户获取形成该特征偏好所需的领域知识，如通过示例或解释。为形式化这些原则，我们借鉴信息经济学的搜索-体验-信任框架引入CoPref：用户基于智能体对话动作构建偏好的模型。然后在智能体推荐系统中具体研究这些想法，提出CoShop交互基准。在CoShop中，智能体与CoPref用户对话并做推荐。评估五个前沿模型：没有智能体在五轮交互后超过56%的准确率。失败不源于智能体的能力。