arXiv cs.AI· Hanzhao Wang, Shengjie Liu, Zhengchao Wang·· 1 天前AI 评分34
AI 智能体何时该向人类提问？有限注意力下的澄清请求协调策略
When Should AI Agents Ask? Clarification Requests Under Limited Human Attention
AI 导读
研究提出 Pairwise Coordination Policy（PCP），用于协调多个共享同一人类注意力的 AI 智能体在何时搜索、提问或继续任务。PCP 在最多两个未解决需求时理论最优，全部需求需人类解决时成本不超过最优的两倍；在 864 个合成案例上平均成本差距仅 0.07%，相对三种标准提问规则降低 18-31% 成本。
正文 · AI 翻译
摘要：AI 智能体越来越多地并行执行被委派的任务，一个人同时监督其中多个。在实践中，智能体常常缺少其任务所需的信息，例如未明确说明的偏好、约束或规格。它可以请人类澄清，也可以自行搜索信息，例如在过往记录中查找，但这需要时间和精力，且可能失败。本文研究如何在共享同一名注意力有限的人类的情况下，协调多个智能体的这些决策。我们构建了一个风格化模型，其中每个智能体可以搜索、询问，或继续执行其任务中不依赖缺失信息的部分，并将该问题表述为动态规划。我们首先表明，智能体是否应当询问不仅取决于其自身的不确定性：有其他工作要做的智能体更早询问可能更好，而人类应先回答哪个问题取决于所有等待中的问题，因此逐个智能体计算出的任何排序都不是最优的。随后我们提出成对协调策略（PCP），它利用精确的单任务和双任务问题来估计成对任务在共享人类时如何相互延迟。理论上，当至多两个需求未解决时，PCP 恰好最优；当每个未解决的需求都必须由人类解决时，其成本至多为最优成本的两倍。我们在 864 个合成案例和一项使用 LLM 智能体的案例研究中评估了 PCP。在合成基准上，PCP 与最优成本的平均差距为 0.07%，并且相对于三种标准的询问时机规则，平均降低成本 18-31%。在 LLM 案例研究中，智能体正确完成了每项任务，且 PCP 在所有测试设置中均取得了最低的平均成本。
| 主题： | 人工智能（cs.AI）；人机交互（cs.HC） |
| 引用为： | arXiv:2610.41129 [cs.AI] |
| （或 arXiv:2610.41129v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.41129 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Hanzhao Wang [查看邮箱]
[v1]
2026年10月30日星期五 01:36:07 UTC（378 KB）
来源：arXiv cs.AI · arxiv.org