什么样的问题体现好奇心？衡量人类与 LLM 互动中的模型好奇心

大语言模型正日益成为日常交流中的伙伴。在这些互动中，有用的协助可能不仅需要回答问题，还需要提出恰当的问题，以揭示知识缺口、隐含假设和其他可能性。在本研究中，我们将这种以求知为目的的提问称为模型好奇心，并提出了一套基于理论的分类体系，用于区分好奇心导向的问题与一般的模型提问。通过分析四个对话数据集，我们发现，好奇心导向的问题仍然较为少见（占所有问题的 17%–28%），但与用户随后更具探索性、求知内容更丰富的回应存在关联，且具体模式因数据集而异。我们进一步开展了一项真人参与的研究，以评估模型好奇心的实用性，发现好奇心能够促进探索，尤其是在咨询建议、创意和研究情境中。这些发现为构建更有选择性地提问、从而支持更深入探索与人机协作的 LLM 提供了启示。