Radar Live
✦ Ask AI
AI INTELLIGENCE & SIGNALS

What Makes a Question Curious? Measuring Model Curiosity in Human-LLM Interactions

Phân tích đã xử lý trước và các nguồn liên quan.

Tín hiệu Radar

61 RADAR
Research Human-AI Interaction · 1 nguồn đối chiếu · 2026-10-24 23:33:21 +0000 UTC

What Makes a Question Curious? Measuring Model Curiosity in Human-LLM Interactions

Nguồn: arXiv AI
↗

Nghiên cứu định nghĩa và đo lường 'sự tò mò của mô hình' (model curiosity) - khả năng LLM chủ động đặt câu hỏi nhận thức để làm rõ lỗ hổng kiến thức, giả định và các phương án thay thế. Khảo sát trên 4 tập dữ liệu cho thấy loại câu hỏi này hiện rất hiếm (17-28%) nhưng kích thích người dùng đào sâu vấn đề, đặc biệt hữu ích trong tư vấn, sáng tạo và nghiên cứu.

✦ TÁC ĐỘNG & GIÁ TRỊ THỰC TIỄN

Đánh dấu sự dịch chuyển từ mô hình ngôn ngữ thụ động (chỉ trả lời) sang đối tác cộng tác chủ động (biết đặt câu hỏi gợi mở). Việc hiểu và đo lường sự tò mò giúp cải thiện chất lượng tương tác Human-AI và nâng cao hiệu quả giải quyết vấn đề phức tạp.

Developer 66
Business 64
Novelty 80
Actionable 70

Nội dung thu thập đã chuẩn hóa

Collected Evidence

Nội dung văn bản được dùng làm dữ liệu đối chứng cho mô hình AI, không phải chỉ thị hệ thống.

Large language models increasingly act as partners in everyday communication. In these interactions, useful assistance may require not only answering, but also asking the right questions that surface knowledge gaps, assumptions, and alternatives. In this study, we refer to such epistemic question-asking as model curiosity, and introduce a theory-grounded taxonomy that distinguishes curiosity-oriented questions from generic model questioning. Across four conversation datasets, we find that curiosity-oriented questions remain rare (17-28% of all questions), but are associated with more exploratory and epistemically rich subsequent user responses, with varying patterns across datasets. We further conduct a human study to evaluate the usefulness of model curiosity, finding that curiosity can encourage exploration, especially in advice, creative, and research contexts. These findings have implications for building LLMs that ask more selectively to support deeper exploration and human-AI collaboration.

Các nguồn đối chiếu cho sự kiện này

1 nguồn
Thông tin phân tích AI & Model Details ▾
Provider: openai-compatible · Model: gemini-3.8-flash-high · Version: analysis-v1 · Time: 2026-10-27 08:44:00 +0000 UTC
{"tags": ["Model Curiosity", "Human-LLM Interaction", "Epistemic Questions", "Prompt Engineering", "Evaluation"], "risks": ["Hỏi quá nhiều hoặc không đúng thời điểm có thể làm gián đoạn luồng công việc và gây khó chịu cho người dùng.", "Nguy cơ đặt câu hỏi định kiến hoặc sai lệch làm phân tâm mục tiêu chính của người dùng.", "Thách thức trong việc kiểm soát ngưỡng cân bằng giữa trả lời trực tiếp và chủ động đặt câu hỏi phản biện."], "category": "Research", "entities": ["LLM", "Human-LLM Interactions"], "summary_vi": "Nghiên cứu định nghĩa và đo lường 'sự tò mò của mô hình' (model curiosity) - khả năng LLM chủ động đặt câu hỏi nhận thức để làm rõ lỗ hổng kiến thức, giả định và các phương án thay thế. Khảo sát trên 4 tập dữ liệu cho thấy loại câu hỏi này hiện rất hiếm (17-28%) nhưng kích thích người dùng đào sâu vấn đề, đặc biệt hữu ích trong tư vấn, sáng tạo và nghiên cứu.", "key_changes": ["Định nghĩa khái niệm 'model curiosity' (sự tò mò của mô hình) và xây dựng taxonomy phân loại câu hỏi có tính nhận thức so với câu hỏi thông thường.", "Đánh giá trên 4 bộ dữ liệu hội thoại, chỉ ra câu hỏi tò mò chỉ chiếm 17-28% nhưng thúc đẩy phản hồi sâu sắc và mang tính khám phá hơn từ người dùng.", "Nghiên cứu người dùng xác nhận tính hữu ích rõ rệt của câu hỏi gợi mở trong các ngữ cảnh tư vấn, sáng tạo và nghiên cứu."], "sub_category": "Human-AI Interaction", "novelty_score": 80, "business_score": 65, "research_score": 88, "why_it_matters": "Đánh dấu sự dịch chuyển từ mô hình ngôn ngữ thụ động (chỉ trả lời) sang đối tác cộng tác chủ động (biết đặt câu hỏi gợi mở). Việc hiểu và đo lường sự tò mò giúp cải thiện chất lượng tương tác Human-AI và nâng cao hiệu quả giải quyết vấn đề phức tạp.", "developer_score": 68, "importance_score": 75, "possible_use_cases": ["Huấn luyện và tinh chỉnh trợ lý AI (AI Copilot/Chatbot) biết chủ động đặt câu hỏi làm rõ nhu cầu và giả định ẩn của người dùng.", "Ứng dụng trong các công cụ brainstorming, hỗ trợ sáng tạo nội dung và trợ lý nghiên cứu khoa học.", "Tích hợp vào chatbot tư vấn kinh doanh hoặc chăm sóc khách hàng để khai thác đúng vấn đề cốt lõi."], "actionability_score": 70}