Knowing When to Ask: Self-Gated Clarification for Hierarchical Language Agents
知情而问：层次语言智能体的自门控澄清机制
🧭 Agent 自门控澄清与层次推理优化 ★ 深度解读
Amazon Web Services
将澄清作为与导航竞争的动作，基于自身评分自门控决定何时求助，实现从强制到机会澄清的结构性转变。
📌 工作参考价值（4 点）
- 在层次分类/推荐任务（如商品类目预测）中，可将“请求用户补充属性”视为与预测动作同尺度评分的选项，用阈值决定是否触发交互，从而在关键中间节点精准获取信息。
- 分离帮助定位（where）与答案质量（what），通过受控答案质量实验诊断系统瓶颈，若帮助定位稳定而答案质量差导致增益消失，则瓶颈在答案源而非提问策略。
- ISE（信息寻求有效性，即帮助后下一步导航正确的比例）可作为局部效用诊断指标，比最终准确率更早发现提问策略的质量变化，避免仅看最终结果。
- 在智能体决策链中引入“动作评分+自门控”范式，无需外部不确定性估计器，即可让信息寻求行为结构化可观测，便于调试和优化。