user-intent

本文提出一个框架，将静态任务转化为动态的多轮对话，以评估LLMs追踪不断演变的用户意图的能力，结果发现强大的静态性能并不能迁移到动态场景中。

本文提出一个“Genie系数”来衡量AI代理理解用户意图的程度，认为当前的基准测试未能捕捉用户所说与所想之间的差距。

解释在商业搜索中搜索意图与购买意图的区别，以及为何AI代理必须区分不同的用户意图，以避免过早变现或错失机会。

本文认为，真实的搜索查询混乱而复杂，不像AI演示中展示的干净示例，并强调了查询分类和意图拆分对AI智能体及智能客服的重要性。

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%。

Google DeepMind 正在实验一种由 Gemini 驱动的 AI 指针，它能理解用户的指向意图、上下文和语音，并跨应用执行操作，从而重塑人机交互方式。