clarification

HyperHat 的创始人分享了一份评测设计草案，旨在衡量 AI 智能体能否识别相互矛盾的任务要求并提出澄清问题，而非盲目执行。该设计将存在矛盾的任务与要求可满足的对照任务配对，以防止智能体通过简单取巧的方式在评测中得分。

该论文提出了 CLEAT 框架，通过成对轨迹估计剩余查询价值，将澄清价值控制器与大语言模型任务策略联合训练，使智能体能够提出有用的澄清问题，并随着策略的改进调整这些问题。该框架使用 Qwen3-4B，在四项基准测试中均取得了最高分。

本文提出了一个面向表格数据对话式任务歧义消解的泄漏感知框架，将智能体分解为提问策略和求解策略，并推出了 AmbiTab——一个统一六个存在歧义的 text-to-SQL 数据集的基准套件。此外，研究还使用强化学习训练提问策略，在全部六个数据集上提升了歧义消解指标，并在其中五个数据集上提高了任务成功率。

该论文提出PlanPool方法，通过将澄清计划外部化为可变问题池，解决agentic Text-to-SQL系统中过早终止澄清的问题，从而减少静默失败并提升歧义覆盖能力。

OpenAI研究员Sebastien Bubeck澄清了与Anthropic员工Levent在涉及Euler和Navier-Stokes方程的数学突破上的作者和合作争议，强调旨在庆祝成就。

本文引入记忆-澄清边界（MCB）基准，以评估LLM代理如何决定持久化、验证或澄清记忆更新，发现模型在验证变化事实时比请求澄清更可靠。

这条推文讨论了在系统设计面试中提出澄清问题的重要性，说明了提问如何比机械画图更能推动更好的架构设计。

本文研究了利用大型语言模型（LLM）重写碎片化对话话语以改进冻结的篇章解析器，发现零样本澄清不可靠，且通过重写进行错误修复存在实际上限，表明可重写性预测是一项缺失的关键能力。

一条推文强调，Anthropic利用Slack对话进行了大规模的强化学习，Andrej Karpathy强调这并非像通常被误解的那样是一个简单的Slack机器人功能。

提出了一种目标导向的澄清框架，利用信息增益奖励训练LLM代理，在用户指令不明确的情况下提出有效的澄清问题，在仅增加少量交互开销的情况下，将任务成功率提升了3.7%。