Ambiguity（歧义性）指同一信息存在多种合理解释的状态，在人工智能领域既是大语言模型面临的核心技术难题，也是国际政治中常被讨论的战略概念。从对话系统对用户意图的误读，到模型量化中的取整不确定性，再到地缘政治中的“战略模糊”，如何识别并妥善处理歧义，正成为多个研究方向共同的关注点。
LLM 研究中的 ambiguity 处理
与歧义相关的训练与数据方法
当前焦点与观察点
技术侧，ambiguity 相关研究大致沿两条线推进：一是评测，即在多轮对话、意图漂移等真实场景中量化模型处理歧义的能力；二是缓解，如通过取整策略、主动学习标注等手段直接降低歧义带来的误差。值得注意的是，歧义并非全然负面——它也可能被有意保留。在地缘政治领域，On Taiwan, US 'Strategic Ambiguity' Is Not Dead Yet 一文指出，美国对台“战略模糊”政策尽管屡被质疑走向终结，但至今仍未被放弃，说明保留解释空间有时本身就是一种策略选择。
总体来看，无论是技术还是政策语境，围绕歧义的讨论都在从“如何消除”转向“如何度量和利用”。对 AI 从业者而言，构建能识别歧义、主动澄清或给出多解的模型，可能是比单纯追求准确率更贴近真实需求的方向。