本研究提出ECLAIR框架，旨在解决企业AI助手中的互动消歧义问题。ECLAIR能够生成澄清问题，并根据用户的反馈消除歧义，表现优于现有技术，具有良好的应用前景。

本研究提出了多轮多模态澄清问题（MMCQ），解决了传统方法无法捕捉复杂用户偏好的问题。通过构建ClariMM数据集和新型检索框架Mario，实验证明该方法在多轮澄清中提高了12.88%的MRR，尤其在长对话中效果显著。

本文研究大型语言模型在处理模糊请求时提出澄清问题的能力。通过模拟对话偏好标记的新方法，模型生成更合适的响应。实验表明，该方法在澄清问题上比传统方法提高5%的F1得分，提升用户体验。