CLEAT：为交互式智能体学习价值引导的澄清机制

CLEAT 通过价值引导的智能体协同训练框架，让 LLM 智能体学会在任务中主动提问以对齐用户未明说的意图。该框架用残差查询价值衡量提问带来的任务收益，并借同一交互历史下的成对 rollout 估计该价值，据此训练澄清价值控制器与任务策略。