Tech Meridian ← К ЛЕНТЕ
PROМОЙ MERIDIAN EN

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

  1. 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.
  2. 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.
  3. 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.

ИСТОЧНИКИ И ХРОНОЛОГИЯ

1