11:19
官方账号arXiv cs.AI@Peter Tisnikar, Maja Swieczkowska, Benteng Ma, Gerard Canal, Matteo Leonetti
推荐理由：研究团队提出了CE-CM和CE-CM-Div两种能力估计方法，能让AI在未知合作伙伴能力时快速适应，还考虑了人类行为多样性，看模拟和真人实验结果都挺有说服力的。
CE-CM
共 1 条相关 AI 资讯
7月30日
11:19
论文将临时团队合作（AHT）扩展至多任务场景，提出CE-CM方法，通过贝叶斯推断从少量任务中在线学习隐藏的合作伙伴能力向量。CE-CM采用仿真采样构建上下文多智能体MDP进行规划，无需群体预训练。针对人类行为不可预测性，CE-CM-Div通过多样化规划轨迹评估能力假设，在模拟实验中快速恢复隐藏能力并减少不可行动作分配。基于225条人类轨迹的离线研究显示，CE-CM-Div比基线CE-CM显著提升能力估计准确性。