热点事件持续更新
研究提出衡量大模型好奇心的方法与分类体系
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026年10月27日，arXiv发表的一项新研究提出了衡量人与大语言模型（LLM）交互中“模型好奇心”的理论分类法，用于区分通用提问与能揭示知识盲区的认知性提问。研究分析发现，在4个对话数据集中，好奇型提问的占比仅为17%至28%，但这类提问能够激发用户产出更具探索性与认知丰富度的回复。人工评估结果进一步证实，模型好奇心在咨询、创意及研究等场景中，尤其能够有效促进用户的深度探索。
AI 根据报道生成 · 4 小时前更新
最新进展10月27日 12:00
新研究提出LLM好奇心分类法，证实好奇型提问在咨询和研究等场景中能促进深度探索。报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv 自然语言处理人与 LLM 交互中的模型好奇心衡量：什么样的提问才算好奇？
新研究提出了衡量人与 LLM 交互中“模型好奇心”的理论分类法，用于区分通用提问与能揭示知识盲区的认知性提问。在 4 个对话数据集中，好奇型提问占比仅为 17-28%，但能激发用户更具探索性与认知丰富度的回复。人工评估进一步证实，模型好奇心在咨询、创意及研究场景中尤能促进深度探索。
本事件热度走势
当前热度 9·可比范围峰值 10（10月27日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。