روش تازه به عامل‌های هوش مصنوعی کمک می‌کند زمان مناسب برای مشورت با انسان را انتخاب کنند

پیش‌چاپی در arXiv مسئلهٔ تخصیص ظرفیت محدود تصمیم‌گیری انسان را برای عامل‌های مبتنی بر مدل‌های زبانی بزرگ بررسی می‌کند: وقتی عامل در چند مرحله امکان مشورت دارد، در کدام تصمیم‌ها باید سراغ انسان برود؟ این نیاز در مواردی مطرح است که انسان به زمینهٔ خصوصی، اختیار یا قضاوتی دسترسی دارد که برای عامل فراهم نیست.

روش پیشنهادی، Consultation Value Distillation (CVD)، ارزش مشورت را با شبیه‌سازی‌های Monte Carlo از اجرای عامل‌ها در مرحلهٔ آموزش برآورد می‌کند و نتیجه را به پیش‌بین‌های سبک‌وزن می‌سپارد. بنابراین، هنگام استفادهٔ عملی از روش، نیازی به برآورد ارزش از راه شبیه‌سازی‌های اجرایی نیست. نویسندگان تأکید می‌کنند ارزش یک پاسخ انسانی به عاملِ پایین‌دستی وابسته است؛ یک ورودی یکسان ممکن است برای عامل‌های مختلف سود متفاوتی داشته باشد.

در ارزیابی روی پنج سناریوی دسته‌ای و سه سناریوی ترتیبی، با دو عامل پیشرفته، CVD تخصیص مشورت را بهبود داد. یادگیری مشترک ارزش‌ها و یادگیری آگاه از ادامهٔ فرایند از رویکردهای مؤثر گزارش شده‌اند؛ بااین‌حال، ارزش‌های مستقل مشورت نیز در چند سناریو رقابتی بودند. این روش همچنین در موارد قابل‌مقایسه از prompting مستقیم و Value of Information بهتر عمل کرد و با نظارت شبیه‌سازی‌شدهٔ به‌مراتب کمتر نیز مقاوم ماند. به‌گفتهٔ پژوهشگران، تخصیص تقریبی با هزینهٔ جست‌وجوی پایین می‌تواند افت عملکرد ناچیزی داشته باشد.