arXiv cs.AI· Kaiwen Shi, Zheyuan Zhang, Changzhi Liu, Han Bao, Yanfang Ye·· 10 小时前AI 评分26
面向多智能体食品援助的接收方条件化澄清框架
Receiver-Conditioned Clarification for Multi-Agent Food Assistance
AI 导读
研究者提出一种推理时的接收方条件化澄清框架,用于多智能体食品援助系统,通过保留共享前提身份并在依赖智能体间重放一致解释,避免不确定性在智能体交接中丢失。每个接收方需暴露可允许决策与剩余证据义务,使提问相关性同时反映决策变化与缺失支撑。信息性问题与用户可确认的兜底调整在共享预算下与预期后续交互一并评估,从而将澄清与资源导航、营养推理和供给侧规划的联合支持方案连接起来。
正文 · AI 翻译
摘要:食物无保障问题迫切需要指导,帮助家庭找到可用的食物资源,并根据自身情况评估食物选择。此类指导必须将资格要求、实际获取限制和膳食需求联系起来,而不是返回孤立的列表或泛泛的营养建议。多智能体食物助手可以协调这些任务,其中不确定性表明在给出建议之前需要澄清或核实。然而,不确定性可能在智能体交接过程中丢失,使暂定解释作为事实传播,并掩盖纠正的机会。此外,对服务需求已被正确解读的信心,并不等于对建议满足用户需求的信心;局部信心不能简单地被复用为下游可靠性。我们引入了一种推理时、以接收方为条件的澄清框架,该框架保留共享前提身份,并在依赖智能体之间重放一致的解释。每个接收方公开可允许的决策和剩余证据义务,因此问题的相关性既反映决策变化,也反映缺失的支持。信息问题和用户可确认的回退调整与其预期的后续交互在共享预算下一起评估。这种结构将澄清与资源导航、营养推理和供给侧规划的联合支持计划联系起来。
| 主题: | 人工智能(cs.AI) |
| 引用为: | arXiv:2611.23572 [cs.AI] |
| (或 arXiv:2611.23572v1 [cs.AI] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.23572 由 DataCite 颁发的 arXiv DOI(待注册) |
提交历史
来自:Kaiwen Shi [查看电子邮件]
[v1]
2026年11月17日星期二 22:16:56 UTC(1,292 KB)
来源:arXiv cs.AI · arxiv.org