超越专家用户：代理应该帮助用户构建偏好，而不仅仅是引出他们

arXiv:2606.30863v1 公告类型：新 摘要：代理通常假设一位专家用户——一个对自己想要的东西有明确偏好的人——并且每当任务未指定时默认澄清问题。我们认为这个假设是不现实的。用户通常缺乏领域知识来拥有完全指定的偏好；如果被问到他们对某些功能的偏好，如果代理不帮助用户学习形成对该功能的偏好所需的一些领域知识（例如，通过示例或解释），用户可能无法回答。为了形式化这些原则，我们利用信息经济学中的搜索-体验-信用框架来引入 CoPref，这是一个用户如何根据代理对话操作构建偏好的模型。然后，我们在代理推荐系统中具体研究这些想法，提出了 CoShop，一个交互式基准。在 CoShop 中，代理与 CoPref 用户交谈并为其提供建议。代理的性能取决于它是否能够帮助用户获得很好地指定任务所需的知识。通过评估五个前沿模型，我们发现尽管有五轮交互，但在 CoShop 上没有代理的准确率超过 56%。失败并非源于代理查找项目的能力，而是源于交互对用户了解自己想要的东西的了解程度太少。