AURA: Intent-Directed Probing for Implicit-Need Surfacing in Situated LLM Agents

AURA 处理的不是“答对显式问题”，而是 situated query 中未说出口的需求，例如定位某人时用户也可能想知道是否适合打扰。方法在 scene perception 和 tool use 之间生成 IntentFrame，并用 gap score 控制 probe budget 与工具选择。100-query、四场景 benchmark 上，AURA 的 implicit-need coverage 比 ReAct-style probing 提高 0.07，p < 10^-6；在 factual lookup 中它用更少 probe 换取隐私敏感切片零 forbidden-tool violations，边界条件也因此更清楚。