我们下一步该问什么？部分证据下的检索感知问题学习

部分证据下的交互式检索是一个序列信息获取问题：智能体必须决定提出哪个问题，才能为下一次检索更新获取最有用的证据。现有系统通常通过模仿候选问答对的离线排序来训练这一决策，但问题的价值取决于其 elicited 的回答以及该回答对后续检索的影响。我们证明，候选项的区分度和感知有用性可以为这一目标提供弱监督；在此基础上，我们提出 RAVEL，一种面向检索的在线强化学习框架，用于交互式行人重识别。RAVEL 从有监督的问题生成模型初始化，直接观测当前的 Top-4 候选项，并利用完整问题—回答—检索闭环产生的排序反馈来优化问题策略。在 Interactive-PEDES 上的实验表明，经过五轮交互，RAVEL 的检索性能持续提升。进一步分析显示，RAVEL 会将提问预算重新分配给局部开放式属性，这些属性能够提供更有用的检索证据，并在初始较难的查询上带来最大幅度的提升。