追问还是作答：多轮健康错误信息干预的决策框架

在对话中纠正健康错误信息不仅仅是产出事实性反驳：用户在所知、所信和需要听到的内容上各不相同，因此有效的干预往往取决于先问出正确的澄清问题。然而，现有方法要么立即作答，要么不加区分地追问，把澄清视为不必要或总是有益。我们提出奖励优化的追问-作答框架（Reward-Optimized Probe-and-Respond，RO-PnR），它学习何时追问值得付出代价。在每一轮，RO-PnR 在追问更多信息与给出最终纠正之间做选择，由一个轮级奖励引导，该奖励权衡追问的预期收益与交互成本。为刻画用户异质性如何影响追问价值，我们用健康素养与信念坚定度两个潜状态对每个模拟用户建模。实验表明，在三个健康错误信息数据集和三个基座模型上，RO-PnR 取得最高的成本调整后效用，且比总是追问的基线少用 30% 的轮次。