多问一轮，少一些后悔：面向大语言模型澄清策略的遗憾多轮基准

论文提出RegretBench，将大语言模型的澄清能力定义为多轮策略决策，而非单个问题质量。基准采用隐藏意图、语义状态跟踪和遗憾目标，在开放域问答与产品推荐场景联合评估意图解决、交互成本、无效澄清、鲁棒性及停止时机，显示最终成功率相近的模型仍可能在效率与策略质量上显著不同。