提出智能对话搜索中需澄清问题的预测方法

CIR at iKAT SCAI 2026: Exploring Clarification Need Prediction in Agentic Conversational Search

• 构建带工具链的对话搜索系统，支持重写、检索、重排等
• 实验两种神经模型，提升澄清需求预测准确率
• 适合研究智能对话系统与交互式搜索的学者

本文介绍科隆信息检索团队参与iKAT SCAI 2026共享任务的情况。我们采用一个具备查询重写、检索、重排、答案生成及澄清需求预测与澄清问题生成能力的智能体对话搜索系统。针对澄清需求预测，我们实验了两种不同的神经模型，旨在提升系统在多轮对话中识别用户意图不明确的能力。

原文摘要 · Abstract (English)

This paper presents the participation of the Cologne Information Retrieval group in the iKAT SCAI 2026 shared task. We use an agentic conversational search system, equipped with tools for query rewriting, retrieval and reranking, answer generation, and clarification need prediction and clarification question generation. We experiment with two different neural clarification need prediction models.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。