MARCH：多跳推理中的歧义解释

MARCH基准（arXiv:2509.22750, 2026年3月更新）专注于"多跳推理中的歧义解释"，训练模型学会在执行前先"反问"用户以消除歧义。

技术背景

• 传统LLM在面对语义模糊的复杂指令时，往往会选择"瞎猜"或提供泛泛而谈的答案
• MARCH通过CLARION代理框架，训练模型学会在执行前先"反问"用户以消除歧义

关键发现

• 即便最先进的模型（如GPT-5.3）在未经专项训练时，处理复杂模糊任务的成功率也仅为42%
• 为下一代Agent的"主动沟通"模块指明了研发方向

相关实体

• [[gpt-5.3]] — 在MARCH中表现不佳的模型
• [[多跳推理中的歧义解释]] — 相关概念