论文《Agentic Abstention: Do Agents Know When to Stop Instead of Act?》完整梳理一、论文核心内容总结1. 研究背景现有LLM智能体（Agent）相关研究大多聚焦任务完成能力（规划、记忆、工具调用），忽略一个关键缺陷：面对模糊、矛盾、环境无解的用户需求时，Agent存在行动偏好（action bias），会持续无意义调用工具、重复搜索/命令，不会主动停止；传统LLM弃权（Abstention）仅针对单轮问答，无法适配多轮、环境交互的Agent场景。2. 核心概念：Agentic Abstention（智能体弃权）定义多轮序贯决策问题：Agent每一步有三类动作——ANSWER（完成任务）、ACT（调用工具探索）、ABSTAIN（终止交互，告知任务不可行/需求模糊）。弃权分为两大类：请求型弃权：仅看指令就能判断无解（主观偏好、信息缺失、逻辑矛盾）；环境型弃权：指令本身合理，必须交互环境后才发现目标缺失/资源不足（如商店无对应商品、终端缺少依赖文件）。/
)
