LAVOIR：让单次决策编码器学会提问
原文标题：LAVOIR: Teaching a Single-Pass Decision Encoder When and What to Ask with Amortized Value of Information
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 LAVOIR，将候选缺失信息槽位与答案选项并列输入，使单次前向传播同时输出决策分布与各槽位的期望信息价值，从而决定是否向用户提问。VOI 目标无需人工标注，在受控实验中决策接近贝叶斯上限，提问策略与贪心 oracle 相当，每轮最多 0.5 次提问即比从不提问准确率高 14.1 个百分点，单题中位延迟 31 毫秒。
- 问题
- 单次前向决策模型遇到信息缺失时只能猜，无法主动提问。
- 方法
- 把候选缺失信息槽位与答案选项并列输入，一次前向同时输出决策分布与各槽位期望信息价值，无需人工标注。
- 结果
- 决策接近贝叶斯上限，提问策略 AUC 0.799 对贪心 oracle 0.797，每轮最多 0.5 次提问准确率高 14.1 个点，中位延迟 31 毫秒。
- 影响
- 表单、工单等结构化问答产品可低成本加入「该问就问」能力，延迟几乎无感。
深读 · 结论先行AI 生成展开看要点与影响 ↓
LAVOIR让单次前向同时输出决策与信息价值，每轮最多0.5次提问即提升准确率14.1个百分点。
- •把候选缺失信息槽位与答案选项并列输入，一次前向传播同时给出决策分布和各槽位期望信息价值
- •VOI目标无需人工标注：金标准决策来自schema规则，LLM仅负责表述消息与回答
- •受控实验中已见schema上的决策与贝叶斯上限统计上不可区分，提问策略与贪心oracle相当（AUC 0.799 vs 0.797）
- •每轮最多0.5次提问即比从不提问准确率高14.1个百分点，单题中位延迟31毫秒
- •真实ABCD对话中，LAVOIR选择提问处一次真实交互提升准确率8.3个百分点
为什么重要：把「该不该追问」变成可单次前向计算的信息价值估计，为需要低成本、低延迟交互的决策型智能体提供了可落地的提问机制。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。