CLAIM：以不确定性度量引领大语言模型的开放域主动澄清

在开放域人机交互场景中，大语言模型（LLM）频繁遇到模糊或不完整的用户查询。此时直接作答往往导致过度泛化、错误或低信息量的回复。相比之下，提出澄清性问题能显著改善交互质量。然而，现有方法仍在很大程度上依赖人工标注数据或偏好对齐来解决两个根本挑战：何时需要澄清，以及应澄清查询的哪个方面。这种依赖带来高昂的标注成本并限制泛化。为应对这些挑战，我们提出CLAIM，一个面向开放域主动澄清学习的不确定性驱动框架。CLAIM无需显式的人类偏好标注，通过多个模型答案分歧所诱导的熵来量化查询不确定性。该不确定性信号随后用于构建高质量合成数据，通过监督学习与强化学习相结合的方式训练统一的澄清决策模型。具体而言，我们提出熵驱动的合成数据生成管线，将基于熵的不确定性估计与语义聚类和基于推理的判断相结合，实现对澄清需求的可靠自动标注。为训练CLAIM，我们将澄清过程形式化为结构化决策生成问题，并采用监督微调（SFT）与组相对策略优化（GRPO）相结合的训练范式。实验结果表明，CLAIM能在不依赖人工标注数据的情况下学到稳定且可泛化的澄清策略，为真实世界开放域LLM交互中的主动理解提供低成本、鲁棒的解决方案。