Learning to Clarify Underspecified Intents Under Limited Interaction

这个研究通过一个示例问题来说明这个问题：在有限的互动中，助手需要获取关于用户偏好或目标的信息。如果助手没有这些信息，那么他们必须先猜测或者请求更多的信息才能继续。我们将其视为价值-信息问题：助手应该获得缺失的信息以最小化用户损失。这通常在前文中未提及。