模型好奇心
指大语言模型主动提出认知性问题的行为特征，即模型为揭示知识空白、隐含假设或替代方案而发问，区别于流程推进或信息确认式的功能性提问，是人机对话中可标注、可统计的交互行为指标
时间轴 (近 90 天)
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。
研究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，后者更接近客服式确认或任务澄清。
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%。
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。
作者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。
在事实查询类任务中，过度提问反而可能被视为干扰。
研究指向一个更精细的目标——让模型学会「选择性提问」。
从工程角度看，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。
不同数据集间的模式差异提示场景适配仍是难点。
全部知识事实 (9)
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。
50%待验证研究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，后者更接近客服式确认或任务澄清。
50%待验证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%。
50%待验证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。
50%待验证作者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。
50%待验证在事实查询类任务中，过度提问反而可能被视为干扰。
50%待验证研究指向一个更精细的目标——让模型学会「选择性提问」。
50%待验证从工程角度看，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。
50%待验证不同数据集间的模式差异提示场景适配仍是难点。
50%