2026年8月4日 · Alien Abduction
Don't Let Me Ask for It: LLMs Show Deficiencies in Active Multi-Turn Information Acquisition for Abductive Inference
arXiv 论文 2608.03388v1 提出 Alien Abduction 游戏，用于研究 LLM 在多轮交互中的主动信息获取能力。实验发现：预先提供证据比跨轮分布成功率更高；部分模型在未使用可用证据时过早承诺，另一些则耗尽轮次预算；模型自选查询时成功率低于 oracle 提供示例，但最终假设与自选证据更一致。
EVENT STORY
发展脉络
- 首次出现Don't Let Me Ask for It: LLMs Show Deficiencies in Active Multi-Turn Information Acquisition for Abductive InferencearXiv cs.CL
- 当前判断该研究揭示 LLM 在交互式任务中的局限，对依赖多轮对话的 AI 产品（如客服、研究助手）有警示意义。模型可能无法主动获取关键信息，影响任务完成质量。Agent Pulse · 分析
该论文引入 Alien Abduction 游戏，作为交互式探针，研究 LLM 在溯因推理中的主动信息获取行为。实验比较了不同交互模式：证据预先提供或跨轮分布，查询由模型自选或由 oracle 提供示例。结果显示，预先提供证据时成功率更高；多轮设置中，部分模型过早承诺，部分模型未收敛。模型自选查询时成功率较低，但最终假设与自选证据更一致。这表明模型可能过度拟合自选证据，未能充分区分假设。
LLM 在主动多轮信息获取中存在缺陷：模型在证据不足时过早形成假设，或未能有效利用轮次预算。自选查询导致成功率下降，但假设与自选证据一致性更高，暗示模型存在确认偏误。未来可探索改进查询策略或训练方法，以增强模型的信息获取能力。
该研究揭示 LLM 在交互式任务中的局限，对依赖多轮对话的 AI 产品（如客服、研究助手）有警示意义。模型可能无法主动获取关键信息，影响任务完成质量。
对构建多轮对话 AI 产品的公司，该研究提示需关注模型的信息获取能力，可能影响产品效果。投资或开发时需考虑模型在主动交互中的表现，或引入外部机制辅助信息收集。
后续研究可能聚焦于改进模型的主动查询策略，或开发新的训练目标以鼓励信息获取。可验证信号：相关基准测试或产品中多轮交互成功率的提升。