论文提出 PCP 协调多智能体向同一人提问的时机与顺序。
资讯摘要
论文研究多个 AI 智能体共享一名注意力有限的人类时，如何协调“搜索、提问、继续”的决策，并将其建模为动态规划问题。作者指出，智能体是否该提问不只取决于自身不确定性，提问优先级也需全局排序；据此提出 Pairwise Coordination Policy（PCP）。在 864 个合成案例中，PCP 与最优成本的平均差距为 0.07%，相对三种常规提问规则平均降低成本 18–31%；LLM 案例研究中所有任务均正确完成，PCP 在各设置下平均成本最低。
要点速读
- 论文将多智能体共享有限人类注意力的提问决策建模为动态规划，并指出逐智能体计算的提问排序并非最优。
- 作者提出 PCP，用一任务和两任务的精确问题估计任务对彼此的延迟；理论上在至多两个未解决需求时精确最优，全部需求需人类解决时成本不超过最优的两倍。
- 864 个合成案例中 PCP 与最优成本平均差距 0.07%，较三种标准提问规则平均降本 18–31%；LLM 案例研究中任务全部正确完成且平均成本最低。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。