Uncertainty-Aware Clarification in LLM Agents with Information Gain

En 3 lignesFramework pour agents LLM opérant sous instructions ambiguës. Propose une métrique Information Gain Reward mesurant l'utilité des questions de clarification via mise à jour bayésienne. Validation sur τ-Bench : +3.7% de taux de succès vs baseline sans clarification, +0.3 étapes d'interaction.

Résumé généré par Claude — vérifié par l'humain