主动智能体的不确定性路由框架PROUR
原文标题：Clarify the User or Verify the World? Uncertainty Routing for Proactive Agents
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。
论文指出工具调用型LLM智能体不仅需判断是否需要更多信息，还需决定哪一来源能消解不确定性。作者将问题形式化为ACT、CLARIFY、VERIFY之间的不确定性路由，提出PROUR框架，将动作不确定性分解为用户目标解释间分歧与解释内熵。在τ-bench上平均成功率达28.17%，比最强基线高4.57%且交互步数少2.17步。
- 问题
- 工具调用型LLM智能体难以判断该向用户澄清还是向环境验证来消解不确定性。
- 方法
- 将动作不确定性拆解为用户目标解释间分歧与解释内熵，据此在ACT/CLARIFY/VERIFY间路由，并用模式条件信息增益奖励训练查询生成器。
- 结果
- τ-bench零售与航空平均成功率28.17%，超最强基线4.57%，交互步数少2.17步，且无需重训可迁移到τ³-bench。
- 影响
- 为主动式智能体提供了可落地的信息源选择策略，减少无效追问与多余工具调用，直接降低交互成本。
深读 · 结论先行AI 生成展开看要点与影响 ↓
PROUR把主动智能体形式化为ACT/CLARIFY/VERIFY不确定性路由，τ-bench成功率28.17%高基线4.57%。
- •将问题形式化为ACT、CLARIFY、VERIFY三选一的不确定性路由，而非只判断是否需要更多信息
- •把动作不确定性分解为用户目标解释间分歧（指向用户侧歧义）与解释内熵（指向世界侧证据缺失）
- •查询生成器用模式条件信息增益奖励训练：CLARIFY瞄准用户目标识别，VERIFY瞄准下一动作识别
- •τ-bench零售与航空平均成功率28.17%，超最强基线4.57%，交互步数少2.17步
- •策略无需重训即可泛化到更强任务智能体与τ³-bench事务域
为什么重要：工具调用智能体的关键不只是「要不要问」，而是「问谁」，来源对齐的不确定性路由为主动式智能体提供了可复用的决策框架。
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。