TIDE: Proactive Multi-Problem Discovery via Template-Guided Iteration
TIDE：通过模板引导迭代的主动多问题发现框架
🧭 主动式多问题发现 · 模板引导迭代 ★ 深度解读
KAIST · DeepAuto.ai
结合迭代发现与可复用思想模板，从上下文中覆盖并精确识别多个隐藏问题，并给出可执行方案
📌 工作参考价值（4 点）
- 迭代式主动发现：将单次预测拆成多轮，每轮基于已发现结果推进一步，可借鉴到电商/推荐中的用户兴趣探索，避免总是推荐最热商品，用类似逐轮“去重”方式打通长尾物品曝光。
- 模板化推理模式：从历史成功解决案例中抽取出可重用的“问题模式—证据链”模板，可迁移为推荐系统的解释模板或主动推送的消息模板，提升可解释性及行动建议的针对性。
- 证据+行动捆绑输出：每个发现的隐藏需求都附有支撑文档证据及具体执行动作，可用于构建可审计的推荐理由或客服Agent的主动建议，避免空泛推测。
- 跨模型模板复用：生成的模板在不同LLM间可直接迁移，价值在于工业场景中更换底层模型时，无需重新积累案例，降低冷启动成本。