Learning What to Ask for Tomorrow: Active Preference Acquisition for Long-Term Personalized Web Agents 精读

论文链接：Learning What to Ask for Tomorrow: Active Preference Acquisition for Long-Term Personalized Web Agents 代码仓库：xiaoqi-7/Active-Preference-Acquisition 发表时间：2026年10月 机构：原文未明确列出机构（作者 Yiqi Wang、Zizhi Zeng、Jiaqi Zhang、Yiqun Duan、Mingkai Zheng、Taotao Cai 仅以 gmail 联系方式署名）；从参考文献与作者重名推断与剑桥团队的记忆偏好研究存在关联，但论文本身未声明任何机构归属，此处如实标注 领域标签：cs.CL / 个性化 Web 智能体 / 主动偏好获取 / 信息价值（VoI）

一、论文背景

持久 Web 智能体是什么。 Web 智能体指能替用户在网站上执行任务的 LLM 系统：订机票、买办公用品、订餐厅、排会议。随着 WebArena、Mind2Web、WebShop 等基准的推动，单次任务能力已快速进步；下一步形态是持久服务——同一个智能体在三月订会议差旅、四月采购、五月安排团队晚餐。此时它的长期价值不再取决于任何单次任务，而取决于"它有多了解用户"：知道你避开红眼航班、酒店有每晚预算上限、需要素食选项。

被动个性化的天花板。 现有个性化与记忆方法全是"被动"的：个性化生成以行为历史为条件（LaMP），画像从用户说过的话里推断（ProMem 类工作），长期记忆系统决定如何提取/存储/检索观察到的信息（MemGPT、Mem0、Zep、MemoryBank）。它们的共同盲区：只能处理已经存在的证据。一个用户从没机会提起的偏好（比如座位偏好——订酒店时根本用不到，用户没理由说），无法被提取也无法被推断。被动方法在"信息不存在"处无能为力。

提问的两难。 主动提问能填补缺口，但提问不免费：每次提问消耗用户精力，每个答案披露隐私。论文的实验给出一个扎眼的结果：把所有未知偏好问一遍（Ask-Everything），净效用比完全不问（Ask-Nothing）还低（4.918 vs 6.289）；让 LLM 凭直觉排"哪些最值得知道"（LLM-Importance），同样不如不问（5.631）。提问是把双刃剑，必须精打细算。

当前任务视角的结构性缺陷。 主流的澄清问题与价值信息（VoI）方法按"对当前任务的收益"给问题定价：订酒店时不知道座位偏好也能完成任务，所以不问。有人会说"等订机票时再问呗"——但问题恰恰在此：单次订票的收益仍可能付不起一次提问的成本，只有未来几十次订票的累计收益才能摊销这次提问。一个只看当前任务的准则，无论复用多少次都永远不会问这类偏好（论文命题 1 严格证明了这一点）。论文称这类偏好为摊销依赖型（amortization-dependent）：任何单次使用的收益都低于提问成本，但累计复用收益超过成本。

这篇论文要做的：把"哪些缺失偏好值得花提问成本去获取"形式化为一个跨任务决策问题，给出可计算的估值方法，并在可控基准上量化"当前任务视角漏掉了多少价值"。

二、论文定位和关联工作

2.1 用户建模与被动记忆谱系

个性化系统以显式 persona 或行为历史条件化生成；ProMem 类工作从对话持续推断统一画像；偏好感知记忆更新方法随用户行为演化融合短期/长期偏好。共同局限：只从已存在的证据推断，不决定哪些未观察到的偏好值得主动获取。本文与其正交——APA 可以跑在任何记忆系统之上，为其供料。

2.2 偏好引导（elicitation）谱系

决策论偏好引导把提问建模为 POMDP（Boutilier）；推荐系统冷启动面试让新用户评分物品（Rashid），可用决策树自适应（Golbandi）；会话式推荐在会话内决定下一个问什么（Christakopoulou 等）；LLM 时代 GATE/STaR-GATE 用开放式问题引导用户意图。本文与它们的三大区别：(1) 时机与理由——会话式引导为完成当前会话而问，冷启动面试虽为未来但在任何任务开始前一次性完成；APA 的提问穿插在已能完成的任务之间，每个问题由其对未来任务的期望效应辩护；(2) 范围——引导针对单一目录内的物品/属性，APA 获取跨异构任务族（机票/酒店/餐饮/排程）复用的持久属性；(3) 估值靶点——收益按跨异构未来任务的复用计数，而非单一决策或会话。

2.3 澄清问题与 VoI 谱系

IR/NLP 中的澄清问题排序按期望完美信息价值（Rao & Daumé）；LLM 智能体方向 IN3/Mistral-Interact 训练模型先问后做，Ask-before-Plan 研究旅行规划前澄清，Proactive Agent 主动提供未请求的帮助；Dong et al.（ACL 2026）形式化"何时问而非做"。两条工作看向当前回复之后：模拟未来对话轮次教模型何时问、CollabLLM 用多轮感知奖励训练。它们的视野仍限于同一会话的后续轮次，APA 的视野是跨会话的未来任务。Howard 的经典信息价值理论面向单一决策问题，Krause & Guestrin 的非短视 VoI 在单一固定模型内联合选观测集——这些原理可容纳长期收益，本文将其落地为纵向个性化决策：信息被持久存储、在不确定任务分布抽出的许多未来任务上回本。

2.4 Web 智能体评测谱系

WebShop/Mind2Web/WebArena 每个episode自包含、无跨任务用户状态；PersonalWAB 用模拟用户画像配个性化任务且支持会话内澄清，Persona2Web 要求在开放 Web 上用长历史消解歧义查询。两者都主要从历史个性化、提问服务于当前请求，都不研究"哪些缺失偏好值得为未来获取"。本文的 ActiveWebPref 填此空白：隐藏但可查询的画像 + 精确任务效用，使"没问的那个偏好的反事实价值"可被精确测量。

2.5 定位总结

三、问题定义

具体场景。用户 u 与智能体交互任务序列 τ1..τT，每个任务属某任务族 f(τ)（订机票、选酒店、订餐、排会）。智能体维护持久画像 P_t（属性-值对，如 (seat, aisle)），它是隐藏真实画像 P*_u 的子集。给定任务与画像，智能体的任务求解器选一个动作，效用 U(τ|P) ∈ [0,1] 由隐藏画像打分。

偏好缺口。G_t = P*_u \ P_t——智能体不知道的属性。聚焦"真正未观察"的属性：既不能从历史提取（那是记忆提取的目标）、也不能从对话推断（那是画像推断的目标）。

核心洞察：获取价值 ≈ 跨任务累计效用增益的期望 − 一次性提问成本。论文发现对缺失偏好 m 的估值存在一个被普遍忽视的分解：收益侧应按"未来每个相关任务的效用增量 ΔU(τ_k; m)“逐任务累加，成本侧是提问努力 λC_ask 与披露风险 βC_risk 的一次性支出。这个分解暴露出单任务视角的数学盲区：当每个单次增益 g_k 都小于成本 C 时，逐任务准则处处拒绝；但只要 Σg_k > C，跨任务准则就应接受。

形式化（PPV）：

PPV^T(m) = E_{τ_{t+1:T} ~ P(·|H_t)} [ Σ_{k=t+1}^{T} ΔU(τ_k; m) ] − C^β_λ(m)

决策：对每个 m ∈ G_t 选 a_m ∈ {Ask, Defer, Skip}，同一次交互内的提问共享预算 B，选子集 S 最大化期望联合增益 − 成本，约束 ΣC_ask ≤ B。

命题 1（当前任务估值遗漏什么）：(i) 若在每个实际到达的决策状态上 g^cur_k(m) < C，当前任务 VoI 在任何步骤、任何视野下都不会获取 m；(ii) PPV^T(m) = Σg^fix_{k|t}(m) − C，故 PPV>0 当且仅当固定画像增益之和超过成本；(iii) 每个相关任务产生等值增益 g 时，PPV>0 当且仅当期望复用次数超过 C/g。

摊销依赖型偏好：max_k g^fix_k < C 但 Σ_k g^fix_k > C——单次都不值、累计值得。这类偏好是当前任务准则的系统性盲区，也是本文实验测量的核心对象。

这个抽象的精妙之处：命题 1 是定义的初等推论（论文自陈），其价值不在深度而在划定了一个可测量的机制区间——它把"主动提问该何时发生"的争论转化为"摊销依赖型偏好占多少、谁能拿到它们"的可量化问题。同时 PPV 与当前任务 VoI 被明确定位为互补而非替代：改进当前任务留给澄清，获取跨任务复用留给 APA。

四、问题解法

APA 框架四个模块（图 2）：缺口发现 → 未来复用建模 → 前瞻价值估计 → 预算化获取策略。所有 LLM 角色共享同一主干（Qwen3-8B，temperature 0），所有策略共享同一确定性求解器——以隔离"获取决策"这一研究变量。

4.1 偏好缺口发现（Module A）

类比：招聘专员从岗位手册（公共属性目录）里挑出候选人还没填写的字段，而不是凭空编字段。智能体知道完整的公共属性目录（27 个属性及其描述），但不知道用户的值。提议 LLM 从"允许的未知字段集"里选至多 K=10 个 ID，输出 (m_i, 描述, 稳定性_i, 自然语言问题 q_i)。硬规则：排除已知/历史中陈述过的属性（含声明的精确别名）、已知拒答的、已挂起的；偏好可复用偏好而非瞬态细节；从不猜测值。候选 ID 对目录校验（精确率 1.000、召回 0.500——完整目录供给后 NU 不变，说明这不是瓶颈）。

4.2 未来复用建模（Module B）

估计任务族分布 P̂(f|H_t)：LLM 从可见历史、画像、当前任务给出 16 个族的非负权重，代码归一化；期望出现次数 n̂_f = (T−t)·P̂(f)。直觉：订过两次会议酒店的用户大概率还要订机票。诚实的消融：用均匀分布替换学习分布，NU 6.755 → 6.760，无显著差异——基准的规则任务族设计让均匀分布已是强近似，作者不掩盖这一点。

4.3 前瞻价值估计（Module C）：反事实复用估值

这是 APA 的核心。类比：想知道"知道顾客口味"值多少钱，不是问服务员"这重要吗”（LLM 重要性打分），而是把菜谱试做两遍——一遍知道口味一遍不知道——看顾客满意度的实际差值。

对每个候选 m 与任务族 f，用公共任务生成器为每族预制 N_proto=3 个原型任务（共 48 个，与被测用户和未来序列无关）：

• 结构相关性 R(m,f) ∈ [0,1]：效用条款引用 m 的原型占比；
• 影响度 I(m,f)：原型上的平均带符号反事实效用增量——用智能体自己的确定性求解器 D_τ 分别在 P_t 与 P_t∪{m=z} 下求解，按公开信念 q_{P_t}（未知属性的合法值上有限离散信念）加权效用差：

G_q(m; τ, P_t) = Σ_z q_{P_t}(z)·[U_τ(D_τ(P_t∪{m=z_m}), z) − U_τ(D_τ(P_t), z)]

关键设计：估值积分的是智能体自己求解器的真实效用变化，而非 LLM 打的重要性分——问题选择与真实效用变化直接挂钩（后文显示 LLM-Importance 会 100% 收集无用干扰属性，而 APA 为 0%）。估值按族分解：V̂(m) = Σ_f n̂_f·R(m,f)·I(m,f)，把"该族多常出现"与"m 在族内多重要"分开。获取分 Score(m) = V̂(m) − λĈ_ask(m) − βĈ_risk(m)。

任务效用实现：选项质量 Q 与软偏好拟合 φ_j 加权得分 s = w_q·Q + Σw_j·φ_j；硬约束失败则 U=0，否则 U = 0.2+0.8s；求解器按期望效用最大化选择、平局按选项 ID。

4.4 预算化获取策略（Module D）：自适应贪心

优化式 (2) 用自适应贪心启发式（算法 1）：按边际分/单位成本排序选正分候选；每得到一个答案就重算其余候选的边际价值——利用属性相关性去冗余（比如已知舱位后再问座位，价值可能下降）；预算耗尽或无正分候选即停。未问的识别候选保留为 Defer 待后续机会重评；已知/拒答字段移除。论文坦承无近似保证（单调性与子模性未证）。

4.5 全景：四模块如何咬合

五、评估指标与实验证据

5.1 ActiveWebPref 基准

为什么自建：现有记忆基准要么把答案放历史里、要么测弃权，没有一个奖励获取缺失信息；且需要"没问的偏好的反事实价值"可精确计算——这在真实网站上不可能。设计：5 域 16 任务族（Travel 4 / Dining 3 / Shopping 3 / Scheduling 3 / Work 3）；每用户 27 个属性（ground-truth 值 + 稳定性/敏感性/提问成本/相关族/是否初始可见/是否可查询元数据），40%-60% 有用属性在 t=0 隐藏；每用户独立初始上下文+20 个未来任务，主实验 T=10、地平线扫描 T∈{1,3,5,10,20}。属性五分类（精心设计的对照）：异构复用频率、跨域 vs 域内、干扰项（看似个人但从不影响效用）、高价值但高成本/高敏感、相关属性（联合价值<个体之和）。用户模拟器：只回答映射到单一可查询属性的问题，高敏感字段拒答且拒答也计提问成本，风险只在成功披露时计。划分：180 测试用户（90 IID + 90 未见组合），冻结于任何测试评估前。

5.2 指标体系

主指标：净效用 NU = CTU − λ·AC − β·RC（累计任务效用 − 加权提问成本 − 加权风险成本）。辅助：CTU、提问数 #Q、不必要提问率（问到地平线内零效用属性的比例）、oracle regret、MVMR（有价值偏好遗漏率）、缺口精确率/召回、预测价值与 oracle 价值的 NDCG/Spearman。统计：用户序列级 bootstrap（2000 次）+ 双侧配对检验 + Holm 多重比较校正，默认 B=0.5、λ=0.5、β=0.25、T=10、K=10。

5.3 主结果（RQ1：主动获取是否改进长期个性化）

三层解读：(1) APA 在实用策略中 NU 最高（6.755），比最强基线 Current-task VoI (public) 高 0.091（Holm p=0.0615，边缘显著）；(2) 盲目提问的代价被精确量化——Ask-Everything 拿到最高 CTU 但付出 3.977 成本+1.428 风险，NU 垫底；LLM 直觉排序同样失败；(3) APA 距特权 oracle 的 regret 仅 0.304。

成本匹配对照（每用户支出上限=APA 实际支出，剥离"花得多 vs 选得好"）：APA 6.755 显著高于 Random 6.234（+0.521）、Frequency 6.400（+0.355）、LLM-Importance 6.188（+0.567，全部 Holm p≤0.0025）；Impact-only 6.683 较近（+0.072，p=0.0025，仍显著）。同花钱、选得更准。

5.4 摊销诊断（RQ2：当前任务估值漏掉了什么）

按命题 1 分类所有（用户 × 初始未知 × 可查询 × 非高敏感）属性对：单次即值（max g_k ≥ C）、摊销依赖（max g_k < C 但 Σg_k > C）、不值得获取（Σg_k ≤ C）。

三个要点：(1) 摊销依赖型偏好占比可观（T=20 时 34.4%，T=10 时 21.2%），且随视野变长增大——这是机制存在的规模证据；(2) APA 获取其中 80.3% 而当前任务 VoI 仅 5.1%——这正是命题 1 预言的盲区的直接测量；(3) 有趣的细节：oracle 只获取 44.9% 且从不在首次使用前问（平局规则偏向推迟）——说明目标不是最大化获取率而是选择性获取，oracle 的归因增益（0.369）仍高于 APA（0.307），APA 的选点精度还有提升空间（其价值估计与 oracle 的 Spearman 仅 0.296）。

队列级 NU 检验：在至少有一个摊销依赖偏好的用户子集上，APA 对 Current-task VoI 的全序列 NU 优势在 T=20 显著（+0.263，Holm p=0.021），T=10 不显著（+0.148，p=0.074）——优势随视野增长，符合摊销假说。

5.5 选择性 vs 全量提问（RQ3）

默认设置下 APA 以 27.6% 的问题量恢复 Ask-Everything 效用增益（相对 Ask-Nothing）的 84.2%。成本扫描（B∈{0.25..1}×λ∈{0..2}）中，APA 的 CTU 包络在代表性成本区间 [0.680, 1.844) 超过所有实用基线最优配置。作者诚实标注：有限网格的均值包络描述观测到的权衡，不构成同时统计占优。

5.6 地平线扫描（RQ4）

T=1 时 APA 反而差 0.011（此时它只能在任务前行动而对手能在任务到达后问），T=20 时优势 +0.175，端点增长 0.186 显著（Holm p=0.033）。短视野非单调、长视野扩大——与"复用次数增多才摊销得动"的机制预测一致。

5.7 消融与行为分析

• 去掉成本项（λ=0）：问题数×1.79、NU 掉 0.257（Holm p=0.0075）——成本建模防过度提问；去掉风险项（β=0）：披露风险 0.058→0.092——风险建模改变问什么（高敏感被拒、不白花成本）。
• 属性类别获取率：APA 获取 28.8% 初始未知的稳定字段、0.0% 的干扰属性；LLM-Importance 收集 100% 干扰属性——反事实估值与 LLM 直觉的质差。
• 完整目录 vs 提议器：NU 差 0.002；学习族分布 vs 均匀：差 −0.005——两个实现组件在当前基准不是瓶颈（作者如实披露而非隐藏）。

六、效果优势的根源解释

6.1 根源机制与证据链

因果链一：估值口径（跨任务累计 vs 单任务）→ 摊销依赖偏好被定价 → T=20 时 80.3% vs 5.1% 的获取率差

• 方法差异：Current-task VoI 在每个任务上问"知道 m 能改善这次吗"，PPV 问"知道 m 能改善未来所有相关任务吗"。（形式化章节已支持）
• 机制变化：单次增益恒小于成本的偏好（如每次订票增益 g < 提问成本 C 的座位偏好）在逐任务准则下处处负分、永不触发提问（命题 1(i)，论文证明）；PPV 把一次性成本对冲到期望复用次数上（命题 1(iii)），一旦 E[N(m)] > C/g 即为正。（证明已支持；此类偏好在真实任务分布中占比 34.4% 属实验测量）
• 指标提升：摊销队列 T=20 的 NU 优势 +0.263（Holm p=0.021），且优势随 T 从 1 到 20 由 -0.011 增至 +0.175。（Table 4、图 5 已支持）

因果链二：反事实估值用自身求解器 → 问题选择与真实效用耦合 → 质的差别（0% vs 100% 干扰项）

• 方法差异：LLM-Importance 让主干直接排"哪些最值得知道"；APA 让确定性求解器在原型任务上算"知道后选的动作会变好多少"。（方法章节已支持）
• 机制变化：LLM 判断"像个人偏好且重要"与"影响任务效用"是两回事——干扰属性被 LLM 100% 收集、被 APA 0% 收集，因为后者的估值积分里干扰属性的结构相关性与影响度天然为零。（图 6 已支持；“LLM 偏好语义显著性而非效用"的机制解释属阅读者推测）
• 指标体现：成本匹配下 APA 对 LLM-Importance +0.567 NU（p=0.0025）、不必要提问率 0.387 vs 0.741。（已支持）

因果链三：成本+风险显式入分 → 防过度提问与高敏误问 → 全量提问反不如不问

• 方法差异：Ask-Everything 无预算无成本意识（对照设计）。（实验设置已支持）
• 机制变化：每问必付 c_m（含拒答），13.47 问×均价+风险 1.428 使净效用 4.918 < 不问的 6.289——提问的边际收益递减而成本线性。（数据已支持）
• 指标体现：APA 去成本项后问题×1.79、NU 掉 0.257 的消融反证成本项必要性。（已支持）

因果链四（对 T=10 边缘显著性的诚实解释）：APA 对 Current-task VoI 的总体优势仅 +0.091（p=0.0615）并非方法失灵——强单次收益偏好两者都能拿到（等用时问即可），差异集中在摊销依赖型；T=10 时该子集占 21.2% 且优势未达显著，T=20 时占比 34.4% 且显著。APA 的优势天生是长视野优势。（实验数据已支持；此综合解释属阅读者分析）

6.2 相关工作检索与对照

本次未执行外部检索，因果链基于论文自身实验与机制分析，对照采用深读提取清单（g1_extraction.md 第 12 节）与论文 Related Work：

6.3 综合判断与未决问题

多研究共同支持的机制：(1) 提问成本必须入估值——冷启动面试折衷成本、VoI 谱系与本文"全问不如不问"三方一致；(2) 前瞻性提问优于即时反应式——模拟未来轮次工作（会话尺度）与本文（任务尺度）在不同尺度上给出同向证据。

仍属推测的机制：LLM-Importance 失败的归因（偏好语义显著性而非效用）尚无对 LLM 内部判断的直接检验；学习族分布在更不规则任务分布下是否仍无增益，作者自列两种未测解释（基准太规则 / 8B 模型容量不足）。

适用条件：PPV 依赖未来任务分布估计——分布错判则问出永不使用的偏好（作者自认）；属性可从公共目录枚举且原型任务可生成的场景（开放任务族需先推断 schema）；优势在长视野才显现——一次性服务场景不适用。

可能的失效条件：偏好漂移使已获取属性过期（需与偏好更新方法结合）；预算 B=0.5 硬排除高价属性（T=20 时排除 26 个本可摊销的对——跨次累积预算是显然修补）；模拟用户无法反映真实用户"答得含糊、改主意、嫌烦"的行为；单主干（Qwen3-8B）单基准的结论外推性存疑，作者如实承认。

七、必要知识反推

7.1 领域知识层

• 个性化与记忆系统的被动本质：必须清楚 LaMP/MemGPT/Mem0 一系都工作在"已存在证据"上，才能发现"从未透露的偏好"这一空白。
• Web 智能体的任务形态：任务族（订票/订餐/排程）的自然划分与跨域复用结构是 PPV 分解的领域基础。
• 隐私与披露风险语境：AirGapAgent 的数据最小化、PrivacyLens 的隐私规范——提问的"披露成本"需要这层伦理-技术背景才不会退化为纯效用问题。

7.2 方法论知识层

• 信息价值理论：Howard 1966 的单决策 VoI 与 Krause-Guestrin 的非短视扩展——PPV 是它们在"持久属性 × 异构任务 × 不确定分布"上的实例化。
• 决策论偏好引导：Boutilier 的 POMDP 形式化告诉你"提问=观察动作"的建模传统。
• 反事实估计：用自身策略在假想信息条件下的表现差估计信息价值——这一思想（与孪生世界/反事实 rollout 方法同源）是估值模块的方法论核心。

7.3 工程知识层

• 受控基准设计：隐藏但可查询的画像、精确效用函数、五类对照属性（尤其干扰项与相关属性的设计）、IID/未见组合双分割——没有这些对照，“选得准"与"问得多"无法分离。
• 统计严谨性：用户级 bootstrap、Holm 族校正、成本匹配协议、预冻结分割——论文的显著性结论全部依赖这套工程。
• LLM 组件工程：结构化 JSON 输出契约、多轮输出纠正与重试（附录 D 的完整纠错 prompt 链）、缓存与确定性求解。

7.4 知识融合的关键节点

(1) “摊销"视角的移植：把冷启动推荐/工程投资里的摊销核算思想移植到提问决策——单次不值、累计值得的偏好类别由此显形，这是命题 1 的源头；(2) 估值器=自身求解器：不训练价值头、不问 LLM，直接让决策系统自己跑反事实——把估值误差源收敛为求解器行为本身，与干扰项零收集的质差直接因果；(3) 可测性优先的基准哲学：牺牲真实网站换来"未问偏好的反事实价值可精确计算”，使机制检验（而非端到端排名）成为可能。决策论（VoI）+ 系统工程（受控效用）+ 统计设计（成本匹配）在"摊销诊断"节点融合成对命题 1 的实证闭环。

八、论文中可以提取的通用性灵感

灵感一：为可复用资产支付一次性获取成本，按摊销而非单次收益定价

• 核心思想：凡是"一次获取、多次复用"的信息/工具/能力，其获取决策都应以期望累计复用收益对冲一次性成本，而非逐次事件的即时收益。
• 论文证据：摊销依赖型偏好占有价值缺口的 34.4%（T=20），当前任务准则只拿到 5.1%，APA 拿到 80.3%。
• 推广场景：(1) 企业数据治理中"采集一次、多部门复用"的数据资产的采购决策；(2) 编译器/数据库中跨查询复用的索引与物化视图的构建时机；(3) 个人知识管理中读书笔记的获取成本核算；(4) 机器人技能库中前置技能学习的投资决策；(5) 缓存预取策略按未来访问频率而非当前 miss 定价。

灵感二：让决策系统自己跑反事实来评估信息价值

• 核心思想：评估"多知道 X 值不值"的最可靠方式是让同一决策系统在有/无 X 条件下各跑一遍，度量行为与结局差——而不是让第三方（LLM 或人）给 X 打重要性分。
• 论文证据：APA 反事实估值 0% 收集干扰属性 vs LLM-Importance 100%；成本匹配下 +0.567 NU。
• 推广场景：(1) 特征获取决策（买数据前模拟有该特征的模型表现）；(2) 传感器配置规划（模拟有/无该传感器的控制效果）；(3) A/B 测试前的内部模拟筛查；(4) 医疗诊断中"再做这项检查会改变处置吗"的反事实评估；(5) 情报收集中按"会改变决策吗"筛选信息需求。

灵感三：主动获取要显式计入努力成本与披露风险，否则宁可不问

• 核心思想：信息获取的净价值 = 收益 − 用户努力 − 隐私披露风险；三项缺一，获取策略会从"精准"滑向"骚扰”。
• 论文证据：全量提问 NU（4.918）低于不问（6.289）；去成本项问题×1.79；去风险项披露风险 +59%。
• 推广场景：(1) App 推送权限与频率的请求策略；(2) 表单设计的字段精简（每字段都是一次提问成本）；(3) 对话系统的主动澄清阈值；(4) 问卷调研的长度-完成率权衡；(5) 智能家居的传感器采集范围决策。

灵感四：用"机制区间"检验代替端到端比分

• 核心思想：当总体优势不显著时，先把理论预言的子区间（如摊销依赖型）显式圈出来，在该子区间上做配对检验——机制证据比总分更有说服力。
• 论文证据：总体 +0.091 边缘显著 → 摊销队列 T=20 +0.263 显著（Holm p=0.021），且获取率 80.3% vs 5.1% 直接对应命题 1。
• 推广场景：(1) 药物临床试验的机制亚组分析；(2) 推荐算法按用户活跃度分层报告；(3) 编译优化的按程序类别分解；(4) 教育干预的先决条件诊断。

灵感五：目标是选择性获取而非最大化获取——最优策略可能只拿不到一半

• 核心思想：在有成本的世界里，oracle 也会放弃多数候选（44.9%），获取率本身不是目标；“拿到该拿的"比"拿到更多"更接近最优。
• 论文证据：Oracle 获取率 44.9% < APA 的 80.3%，但归因增益 0.369 > 0.307——APA 多拿了但选点不够准。
• 推广场景：(1) 知识管理中的"够用即止"检索深度；(2) 自动特征工程的稀疏选择；(3) 招聘信息收集的停止规则；(4) 医疗检验的按需开具原则。

总结：这篇论文最大的贡献不是 APA 框架本身（其组件——缺口提议、分布估计、贪心选择——都朴素得很），而是三样更根本的东西：命题 1 划定的"摊销盲区”（一个此前被所有提问方法系统性忽略的偏好类别）、“估值器=自身求解器"的反事实估值纪律（0% vs 100% 干扰项的质差是对 LLM 直觉排序的一记警钟）、以及 ActiveWebPref 树立的"未问信息的反事实价值可精确测量"的基准设计范式。它与同期记忆偏好研究构成互补的双联：那边问"已存的记忆怎么用才让用户满意”，这边问"没存的记忆哪些值得开口要"。对做个性化产品的团队，最实用的一条启发或许是：你的智能体下一次开口提问前，先算算这个答案未来会被复用几次。

附录 A：ActiveWebPref 任务域与属性类别速查

五域十六任务族的分布与属性使用统计（Table 1，测试集 180 用户）：

全体用户统一：27 属性/人、初始隐藏 53.1%、高敏感 11.1%。五类对照属性的设计意图回顾：异构复用频率（测复用加权）、跨域 vs 域内（测族分布建模）、干扰项（测效用耦合的估值纪律）、高价值高成本/高敏（测成本与风险项）、相关属性（测自适应贪心的去冗余）。

附录 B：一个摊销依赖偏好的具体案例

论文的案例研究与附录给出了机制的具体质感。座位偏好（seat preference）：在当前上下文是"找酒店"的会话里，Current-task VoI 对它的估值为零（订酒店不需要座位信息），不会问；但只要用户未来还会订机票——每次订票都会改变选座决策——APA 的反事实估值就会在"机票"族的 3 个原型任务上算出非零影响度，乘以机票族的期望出现次数得到正值，于是提前问出"靠窗还是过道？"。对比之下，“喜欢的颜色"这类干扰属性在任何族的效用条款中都不出现，结构相关性与影响度双双为零，APA 对其估值为零、永不问；LLM-Importance 却觉得它"很个人、很重要"而 100% 收集。附录 A 还记录了一个边界情形：某菜系偏好的最大单次增益 0.06968 恰低于加权成本 0.075，本属摊销依赖；但当"餐厅距离"属性先被问出后，该菜系偏好在一次餐饮任务上的当前增益升至 0.09476 超过成本——这正是"固定画像增益"与"轨迹当前增益"的分歧点，也解释了 Current-task VoI 为何还是拿到了 10/198：其他答案把某些摊销偏好的单次收益抬过了线。

附录 C：与 Memory-Aware Reward Modeling 的对读

同期精读的《Memory-Aware Reward Modeling》（arXiv 2610.31272，剑桥+斯坦福等五校）从使用端切入记忆价值：87 名用户评判带/不带记忆的回复对，发现记忆不必然被偏好、自动评估器高估个性化，并学出 12 维 rubric 权重的偏好模型。两篇论文构成个性化记忆问题的两个正交切面：APA 管"哪些信息值得进来”（获取端定价），Memory-Aware RM 管"进来的信息怎么用才恰当"（使用端对齐）。一个显见的整合方向是让 APA 的提问预算不仅按效用增益定价，还按 Memory-Aware RM 学到的"用户对个性化程度的偏好"调节 λ 与 β——对偏好保守个性的用户少问、问了之后也倾向保守使用。这构成"提问-使用-反馈"闭环研究的雏形。