发现用户类型：在强化学习中通过任务特定行为映射用户特征
机器学习
2023-07-18 v1 人机交互
摘要
在强化学习（RL）中辅助人类用户时，我们可以将用户表示为 RL 智能体并研究称为\emph{用户特征}的关键参数，以指导干预设计。我们研究用户行为（策略类）与用户特征之间的关系。给定一个环境，我们引入一种直观工具来研究“用户类型”的划分：即导致相同行为的广泛特征集合。我们表明看似不同的真实世界环境容许相同的用户类型集合，并将此观察形式化为定义于环境上的等价关系。通过在同一等价类内环境间迁移干预设计，我们可助力快速个性化干预。
引用
@article{arxiv.2307.08169,
title = {Discovering User Types: Mapping User Traits by Task-Specific Behaviors in Reinforcement Learning},
author = {L. L. Ankile and B. S. Ham and K. Mao and E. Shin and S. Swaroop and F. Doshi-Velez and W. Pan},
journal= {arXiv preprint arXiv:2307.08169},
year = {2023}
}