指向用户模型的摊销实验设计与参数估计
人工智能
2023-07-20 v1
摘要
用户模型在交互设计中发挥重要作用,支持交互设计选择的自动化。为此,必须从用户数据估计模型参数。虽然有时需要极大量的用户数据,近期研究已展示如何设计实验以尽可能高效地收集数据并推断参数,从而最小化数据需求。在本文中,我们研究这些方法的一个变体,其通过训练一个用模拟被试选择实验设计的策略,来摊销设计实验的计算成本。我们的解决方案通过与从模型空间中采样的在硅(in-silico)智能体交互,学习哪些实验为参数估计提供最有用的数据,从而使用合成数据而非海量人类数据。该方法在三个渐进复杂的指向模型中得到了演示。
引用
@article{arxiv.2307.09878,
title = {Amortised Experimental Design and Parameter Estimation for User Models of Pointing},
author = {Antti Keurulainen and Isak Westerlund and Oskar Keurulainen and Andrew Howes},
journal= {arXiv preprint arXiv:2307.09878},
year = {2023}
}