精选理由
这篇论文为设计更可靠的Human-AI协作系统提供了理论基石,做AI系统设计或人机交互研究的团队值得关注,能帮你理解校准假设如何影响团队决策的可靠性。
这篇论文从统计校准的角度研究人类与AI的团队协作模型。假设团队由AI模型和人类组成,两者都基于特征空间的某种划分进行了校准,论文揭示了校准假设如何影响团队协作框架。研究考虑了两种框架:一是结合人类和模型的预测,二是将预测责任委托给人类或模型。理论和实验结果表明,现有的组合方法无法保持人类的校准程度;而委托方法虽然保留了预测者的校准,但将负担转移到了决定谁预测的拒绝元模型上。拒绝元模型需要足够精细的校准以定位每个成员的优越区域,这种需求随着人类专业知识的增加而增长,当人类依赖系统无法观察的信息时,这种校准变得不可实现。
AI 翻译 · 中文
这篇论文从统计校准的角度研究人类与AI的团队协作模型。假设团队由AI模型和人类组成,两者都基于特征空间的某种划分进行了校准,论文揭示了校准假设如何影响团队协作框架。研究考虑了两种框架:一是结合人类和模型的预测,二是将预测责任委托给人类或模型。理论和实验结果表明,现有的组合方法无法保持人类的校准程度;而委托方法虽然保留了预测者的校准,但将负担转移到了决定谁预测的拒绝元模型上。拒绝元模型需要足够精细的校准以定位每个成员的优越区域,这种需求随着人类专业知识的增加而增长,当人类依赖系统无法观察的信息时,这种校准变得不可实现。
We study models for human-AI teaming through the lens of statistical calibration. We assume the team consists of an AI model and human -- both of which are calibrated with respect to some partitioning of the feature spac…