人类任务求解轨迹中错位的处理与可视化

理解人类任务求解轨迹中的错位对于增强被训练以紧密模仿人类推理的 AI 模型至关重要。本研究将此类错位分为三类：(1) 缺乏表达意图的功能，(2) 低效的动作序列，以及 (3) 无法解决任务的不正确意图。为解决这些问题，我们首先在一个统一框架中形式化并定义了这三种错位类型。随后，我们提出了一种启发式算法来检测 ARCTraj 轨迹中的错位，并分层和定量地分析其影响。我们还提出了一种基于我们形式化方法的意图估计方法，用于推断用户动作与意图之间缺失的对齐。通过轨迹对齐，我们通过实验证明，在人类任务求解轨迹上训练的 AI 模型在模仿人类推理方面的性能得到提升。基于分层分析和实验，我们强调了轨迹-意图对齐的重要性，并展示了意图对齐训练的有效性。