设计任务分配的闭环模型
人机交互
2023-06-01 v1 机器学习
摘要
将任务自动分配给人员具有挑战性，因为人类表现会因诸多原因在不同任务间变化。在现实环境中这一挑战更为复杂：不存在先知（oracle）来评估人类决策与任务分配的质量。相反，我们处于一个“闭环”决策循环中，实践中所依赖的同样易错的人类决策也必须用于指导任务分配。不完美且可能有偏的人类决策如何训练出准确的分配模型？我们的核心见解是利用关于人-任务相似性的弱先验信息来引导模型训练。我们表明，即便人类决策者易错且有偏，此类弱先验的使用仍可提升任务分配准确率。我们给出了基于合成数据及一项社交媒体毒性检测任务的理论分析与经验评估。结果证明了我们方法的有效性。
引用
@article{arxiv.2305.19864,
title = {Designing Closed-Loop Models for Task Allocation},
author = {Vijay Keswani and L. Elisa Celis and Krishnaram Kenthapadi and Matthew Lease},
journal= {arXiv preprint arXiv:2305.19864},
year = {2023}
}
备注
Accepted for publication in the International Conference on Hybrid Human-Artificial Intelligence (HHAI) 2023