CLEAT用价值引导澄清：交互式智能体如何对齐未言明意图

事件核心：发生了什么

2026 年 10 月 12 日，arXiv cs.AI 发布一篇新论文，提出名为 CLEAT（CLarification through valuE-guided Agent co-Training）的框架，目标解决交互式智能体中的意图对齐问题。该研究把“澄清提问”视为一种可训练能力：当用户没有说明目标或限制时，智能体需要主动追问，并且能真正把答案转化为更好的行动。

论文的关键设计是协同训练一个“澄清价值控制器”和任务策略。作者定义“残差查询价值”，用来衡量提问比不提问多获得的效用，并通过同一交互历史下的配对 rollout 来估计。控制器预测澄清价值，任务策略则学习选择有用问题并利用答案，两者共享交互结果、互相提供训练信号，使澄清引导能随策略变化而调整。

摘要中给出的实验以 Qwen3-4B 为基础模型，在四个基准、十个评测设置中取得最高平均分；相比最强基线，在 UserGym Travel 上提升 13.2 个百分点，在 IN3 未充分说明判断准确率上提升 6.5 个百分点。消融实验显示，即使推理阶段移除控制器，协同训练仍能改善任务策略。需要说明的是，这些结论仅来自论文摘要，全文实验细节尚未核验，不代表已有上线产品。

为什么重要

大模型智能体正从单轮问答走向多步任务执行，但现实中的用户指令常常不完整。如果智能体不能判断什么时候该问、问什么、以及如何用答案修正行动，就容易在错误路径上消耗算力和时间。CLEAT 把“提问”从启发式规则变成可学习的价值判断，这对提升智能体在复杂工作流中的可靠性有直接意义。

更值得关注的是协同训练思路：澄清引导不是固定模板，而是根据当前策略动态更新。这意味着随着模型能力变化，过去有用的问题可能变得多余，而新的关键问题会被重新识别。对仍然依赖提示词或固定澄清流程的 Agent 产品来说，这是一种可能从训练层面拉开差距的技术路线。

对用户/开发者/创作者的影响

对开发者而言，CLEAT 提示了训练交互式 Agent 的新目标函数：不仅要优化最终任务成功率，还要估计“追问的边际价值”。如果你在构建客服、行程规划或数据分析类 AI 应用，可以关注如何用配对 rollout 产生价值标签，以及如何在推理时决定是否保留控制器。对普通用户来说，未来智能体可能会更少地盲目执行，也更容易在关键节点主动确认限制条件。对创作者和企业采购方，评估 Agent 产品时可以追问一点：它在信息不完整时是直接猜测，还是会先澄清并利用答案改进后续步骤。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

一是 CLEAT 是否会在更多基座模型和真实 API 环境中复现效果，而不仅是论文中的 Qwen3-4B 设定；二是协同训练带来的额外训练和推理成本是否可控，能否被现有 Agent 框架集成；三是固定澄清策略与价值引导策略在长周期任务中的差距是否稳定。目前公开信息仅来自 arXiv 摘要，尚无代码或产品落地信息。

来源：arXiv cs.AI