The Prompt Is Not the Query: How Request State Evolves Across Multi-Turn AI Conversations
提示并非查询：多轮AI对话中请求状态的演变
🧭 对话状态演变 · 会话级评估
Aiso
多轮对话的最终提示仅含少部分词汇与状态维度，历史信息常丢失，必须采用会话级评估
📌 工作参考价值
- 搭建对话式推荐/搜索助手时，应设计会话状态追踪器，累积用户约束、偏好、假设等维度，而不是仅依赖最后一轮输入。
- 评估指标须从单轮转向会话级，可借鉴本文的请求状态维度检测规则，衡量系统是否利用了完整历史。
- 多轮数据中词汇覆盖率低是常见现象（主要由轮次长度差异引起），训练模型时应采用会话级特征而非孤立的最后一次提示。
- 注意最终轮可能引入全新维度（视为状态更新），系统需实时检测并处理意图的动态变化，避免仅做最后轮次的简单生成或检索。
动机：AI搜索评价通常把单轮提示视为稳定查询，但多轮对话中用户每轮可能添加约束、修正假设、要求证据，导致最后一次提示远不能代表完整请求历史。为此，用可观测的“对话条件请求状态”替代隐式意图，量化信息在多轮中的分布。
方法关键点：复用先前研究的冻结规则和受控群组，分析670个英文商业对话和7,463个PRISM公开对话。定义两类指标：(1) 词汇覆盖率——最终提示中出现的唯一词汇占整个会话用户侧词汇的比例；(2) 维度检测——基于透明规则判断请求状态维度（如约束、偏好、证据要求等）是否仅存于历史轮次或仅在最终轮出现。同时构造长度匹配的零分布以排除轮次长度影响。
关键结果：商业语料中，最终提示仅覆盖中位数35.6%的词汇，68.4%的对话覆盖≤50%；PRISM语料中位数为36.4%，74.3%的对话覆盖≤50%。更关键的，50.3%的商业对话和44.8%的PRISM对话中，历史存在至少一个请求状态维度但未出现在最终提示；而在含维度的对话中，最终提示完整复现全部维度的比例仅为26.1%和26.2%。同时，17.9%和19.3%的对话里最终提示引入了全新维度，说明最后轮是状态更新而非摘要。长度匹配分析表明低词汇覆盖主要由轮次长度引起，应解释为信息可用性问题而非语义漂移。结论强力支持会话级测量而非单轮评估。