ИССЛЕДОВАНИЕ · RESEARCH · #1858
CLEAT: Совместная тренировка контроллера ценности уточнений и политики задачи для интерактивных агентов
Статья (arXiv:2610.12655v1) представляет CLEAT — подход, совместно обучающий контроллер ценности уточнений и политику задачи с использованием парных прогонов для оценки «остаточной ценности запроса» — прироста полезности от уточняющего вопроса. При оценке с Qwen3-4B на четырёх бенчмарках CLEAT достигает наивысшего среднего результата в десяти настройках, с приростом до 13.2 и 6.5 процентных пункта на UserGym Travel и точности суждений об недоопределённости в IN3 соответственно.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Статья (arXiv:2610.12655v1) представляет CLEAT — подход, совместно обучающий контроллер ценности уточнений и политику задачи с использованием парных прогонов для оценки «остаточной ценности запроса» — прироста полезности от уточняющего вопроса.
- При оценке с Qwen3-4B на четырёх бенчмарках CLEAT достигает наивысшего среднего результата в десяти настройках, с приростом до 13.2 и 6.5 процентных пункта на UserGym Travel и точности суждений об недоопределённости в IN3 соответственно.
- Обучая, какие уточняющие вопросы реально улучшают выполнение задачи и адаптируя подсказки по мере изменения политики агента, CLEAT помогает согласовать действия агента с неявными целями и ограничениями пользователя.
ПОЧЕМУ ЭТО ВАЖНО
Обучая, какие уточняющие вопросы реально улучшают выполнение задачи и адаптируя подсказки по мере изменения политики агента, CLEAT помогает согласовать действия агента с неявными целями и ограничениями пользователя.