模型也会好奇？新研究量化LLM提问中的好奇心

大语言模型正从被动回答工具转变为主动协作伙伴。当模型不再只是应答，而是反过来向用户提问时，这些问题的质量会如何影响对话深度？一项题为《What Makes a Question Curious? Measuring Model Curiosity in Human-LLM Interactions》的研究，首次系统性地定义了「模型好奇心」，并测量了它在真实人机对话中的分布与作用。

什么是「模型好奇心」？

研究将「模型好奇心」定义为一种认知性提问（epistemic question-asking）：模型主动提出能揭示知识空白、隐含假设或替代方案的问题，而非仅仅为了推进流程或确认信息。

为了让这个概念可测量，作者构建了一个有理论依据的分类体系，把好奇心导向的问题与一般性的模型提问区分开来。前者指向未知领域，后者则更接近客服式确认或任务澄清。这一区分是整项研究的基础，也解释了为什么「模型问了很多问题」并不等于「模型很好奇」。

认知性提问（epistemic question-asking） 这一术语借自认知科学与教育心理学。在人类学习中，认知性问题指个体为填补知识空白、检验假设或拓展理解而主动发问，与为了社交礼仪、流程推进或确认指令而提出的问题相对。例如，学生问「为什么这个公式在极端条件下会失效」属于认知性提问，而问「这个公式要背吗」则不是。研究将这一区分迁移到人机对话场景，把模型主动追问知识空白、隐含假设或替代方案的行为视为「好奇心」的操作化指标，从而让「模型是否好奇」从拟人化修辞转化为可标注、可统计的行为特征。

好奇心提问只占少数，但带来更丰富的回应

研究分析了四个对话数据集，发现好奇心导向的问题在模型全部提问中占比仅为 17%–28%。换言之，大多数模型提问仍停留在功能性层面。

但真正有价值的发现在后面：当模型提出好奇心导向的问题时，用户随后的回应更具探索性，认知信息也更丰富。不过，这种关联在不同数据集之间呈现出不同模式，说明效果并非在所有场景下都同样稳定。

这一结果对产品设计有直接启示：提升提问数量未必有用，提升提问的「认知含量」才可能撬动更深入的对话。

文中提到的四个对话数据集，通常来自不同来源的真实人机交互日志，例如开放域聊天、任务型助手或特定领域咨询记录。数据集之间的差异既体现在话题分布上，也体现在用户意图和对话目标上。因此，同一行为指标在不同数据集上呈现不同模式，往往反映的是场景结构差异，而非模型能力波动。理解这一点有助于解释为何作者强调「关联并非在所有场景下都同样稳定」——跨数据集比较本质上是在检验结论的外部效度。

人类研究：好奇心在哪些场景最有用？

除了数据分析，作者还开展了一项人类研究，评估模型好奇心对用户的实际帮助。结果显示，好奇心提问能够鼓励用户探索，尤其在建议、创意和研究三类场景中效果更明显。

这与直觉相符：在开放性问题中，一个好问题往往比一个快答案更有价值。而在事实查询类任务中，过度提问反而可能被视为干扰。研究因此指向一个更精细的目标——让模型学会「选择性提问」。

用户研究（human study） 在此类工作中的常见形式是受控实验或对照评估：招募参与者与模型进行对话，分别暴露于「好奇心提问」和「普通提问/不提问」两种条件，再通过问卷、访谈或行为指标测量用户的探索意愿与满意度。与纯日志分析相比，人类研究的优势在于可以控制话题和任务类型，从而更直接地判断因果关系，而非仅观察到相关性。文章指出好奇心提问在建议、创意和研究场景中效果更明显，正是这种场景对照设计得出的结论。

对构建人机协作的启示

这项工作的核心贡献在于把「模型该不该提问」转化为「模型该如何有选择地提问」。作者认为，这些发现对构建支持深度探索与人机协作的 LLM 具有指导意义。

从工程角度看，这意味着评估体系需要升级：除了答案准确率，还应纳入提问质量的维度。从交互设计角度看，模型需要判断当前语境是适合追问，还是适合直接给出答案。

当然，研究也留下了开放问题。好奇心提问与用户探索性回应之间的关联，究竟是模型引导的结果，还是特定话题本身更容易引发双向探索，仍需进一步验证。不同数据集间的模式差异，也提示场景适配仍是难点。