为协助分配设计：LLM-enabled 机器人的前端护栏

在社交场景中优先分配稀缺协助的 LLM-enabled 机器人面临多元价值观与 LLM 行为变异性：理性的人可以对谁该被优先帮助持不同意见，而 LLM 中介的交互策略会因提示、情境和群体不同而产生难以预测或验证的变异。然而，针对实时多用户协助分配的用户面向护栏仍不完善。我们提出一种结合有界校准与可挑战性的前端模式：(i) 将协助优先级限制在经治理批准的可接受模式菜单中；(ii) 在 deferral 时点以交互相关术语使主动模式保持可见；(iii) 提供面向特定结果的可挑战路径，而无需重新协商全局规则。将多元主义与 LLM 不确定性视为基本条件，该模式既避免隐藏隐式价值偏斜的静默默认值，也避免在时间紧迫时让用户可配置的“价值设置”将负担转嫁给用户。我们以公共大厅机器人情景说明该模式，概述以可见性、程序合法性和可操作性为中心的评估议程，包括自动化偏见风险以及可挑战通道的可用性不均衡问题。