研究提出通过人机交互实现测试时自适应方法
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载把交互记录变成适配信号
论文提出一种名为 TAHI 的做法，全称是 test-time adaptation through human-agent interaction，即在测试阶段借助人与智能体的交互完成适配。其出发点在于：智能体用群体规模的数据训练，能力覆盖面很广，但产出的成果往往达不到专业人士愿意为之背书的水准。在成功标准不统一、又缺少充分书面说明的开放式任务上，个体专长恰恰体现在对平均水平的抬升与偏离。实际使用中，用户无法在开始就把评判标准讲全，却会在一次次任务里反复套用同一套偏好。作者认为，这类跨会话的交互数据是一种丰富但尚未被充分利用的信号，可用来缩小智能体与个人专长之间的差距。TAHI 把这些信号写入智能体的上下文与权重，并通过一个持续演化的评分标准模块，把每位用户的训练与评估准则固化下来。
三十人六百任务的实测
研究在写作与视觉创作两个高实用价值的领域里，把智能体适配到 30 位个人用户，任务总量为 600 个。结果显示，仅经过数十个任务，单个任务的成功率就有提升，提升区间为 4.5-20.9%。这里的数字对应的是适配前后的对比，说明适配所需的任务量并不大，用户不必积累大量样本就能看到变化。另一个被单独测量的是演化中的评分标准模块：它同时充当可扩展的标注工具，生成的评估标准比单靠语言模型或单靠人做出的标准多识别出 16.0-22.3% 的失败案例。也就是说，这套模块不仅服务于适配，还能用于发现智能体输出中的问题。
个性化也能外溢给他人
论文还考察了适配的边界。智能体本是朝个体方向调整的，但作者发现，这些个性化之后的智能体在成功率的提升上最多可达 8.8%，并且这种改善能跨用户泛化。这意味着针对某一个人的交互信号所塑造的偏好，并非只对本人有效，其中一部分具有可迁移性。对读者而言，这项工作的意义在于提示了一条不同于单纯扩大训练数据的路径：把用户在多轮使用中反复表现出的取舍记录下来，作为上下文与权重的调整依据，并让评分标准随交互不断更新，从而在少量任务内贴近个人标准，同时保留一定的通用收益。
为什么值得看
该方法显著提升AI代理在个性化任务中的成功率，同时提供更精准的评估标准。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。