Reasoning While Asking: Transforming Reasoning Large Language Models from Passive Solvers to Proactive Inquirers
本文介绍了主动交互式推理（PIR），这是一种新范式，通过将内部推理与用户澄清交替进行以解决前提和意图的不确定性，将推理大语言模型从被动求解者转变为主动探究者，从而在显著降低计算成本的同时大幅提高准确性和效率。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
以下是用简单、日常的语言对论文《提问时推理》（PIR）的解释，并借助类比使概念更加清晰。
问题：“过度思考”的学生
想象你是一位老师，让学生解决一道数学题。这位学生极其聪明，背熟了成千上万个公式。然而，他们有一个奇怪的毛病：他们从不请求澄清。
如果你说“修复数据脚本”，学生不会问“哪个脚本？什么格式？”，而是立即开始写一篇 2000 字的长文，猜测你的意思。他们可能会猜错脚本，陷入僵局，幻觉出一个看似正确实则错误的解决方案，并浪费大量的时间和精力。这就是论文中所称的“盲目自我思考”。当前的 AI 模型就像这个学生：它们太急于思考，以至于忘记检查自己是否掌握了所有事实。
解决方案：“主动侦探”（PIR）
作者提出了一种新的 AI 工作方式，称为主动交互式推理（PIR）。AI 不再是一个只会猜测的被动解题者，而是变成了一位主动的侦探。
这就像侦探破案。如果证人说道：“我看见了一辆车”，侦探不会立即撰写一份关于“蓝色轿车”的报告。相反，侦探会问：“它是什么颜色的？它超速了吗？你看到车牌了吗？”
PIR 教导 AI 做同样的事情：
- 暂停并检查：在深入进行长篇推理之前，AI 会检查自己的信心。“我真的有足够的信息来解决这个问题吗？”
- 先提问：如果 AI 感到不确定（就像侦探缺少线索），它会停下来，向用户提出一个具体问题以获取缺失的信息。
- 高效解决：一旦用户回答，AI 就会利用这些新信息快速、准确地解决问题，而不会浪费时间在胡乱猜测上。
他们如何教会 AI 这样做
研究人员并没有只是告诉 AI“去提问”。他们建立了一个包含两个特定阶段的训练健身房：
阶段 1：“脚本”训练（监督微调）
想象通过给新员工提供脚本来进行教学。研究人员利用现有问题，人为地插入了 AI 本应提问的“怀疑时刻”。然后，他们编写了一份脚本，其中 AI 问“你是什么意思？”，用户回答。AI 反复阅读这些脚本，直到学会何时停止并提问的模式。
阶段 2：“模拟”训练（用户模拟器优化）
这是巧妙之处。你无法通过让 AI 全天候与真人对话来训练它（这太慢且太昂贵）。因此，研究人员构建了一个用户模拟器——一个被编程为像人类用户一样行动的第二代 AI。
- 他们设计了一个游戏：主 AI 尝试解决问题，而模拟器 AI 充当用户。
- 如果主 AI 提出了一个好问题，能快速获得正确答案，它就会得到高分（“奖励”）。
- 如果主 AI 问了太多问题或盲目猜测，它就会得到低分。
- 随着时间的推移，AI 学会了完美的平衡：提问足够多以确保准确，但又不会多到让用户感到厌烦。
结果：更快、更聪明、更少浪费
论文在三种类型的任务上测试了这种新的“侦探 AI"：数学、编程和文档编辑。与旧的“过度思考”AI 相比，情况如下：
- 更高的准确率：新 AI 获得正确答案的频率要高得多（在某些数学测试中高达 32%），因为它不会在缺失信息上进行猜测。
- 更少的浪费：它使用的计算资源（token）约为一半。与其写一篇 2000 字的猜测，不如问一个问题并写出一篇 500 字的解决方案。
- 更少的回合：尽管它问了问题，但来回消息的总数量却更低。这是因为它第一次就正确解决了问题，而不必后来回头修正错误的猜测。
- 现实世界测试：在与真实人类的盲测中，参与者更喜欢新的 AI。他们喜欢它在信息缺失时不会“幻觉”（编造内容）。他们觉得它更有帮助且更高效。
总结
这篇论文介绍了一种系统，旨在阻止 AI“盲目过度思考”。通过训练 AI 识别自己何时感到困惑，并在猜测之前寻求帮助，它变成了一个更高效、更准确且更用户友好的伙伴。它将 AI 从一个猜测答案的学生，转变为一个先收集事实的侦探。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。