基于价值感知干预提升人类表现：国际象棋案例研究
人工智能
2026-04-17 v1
摘要
AI 系统越来越多地用于协助人类完成序列决策任务，但确定 AI 助手何时以及如何干预仍是一个根本性挑战。一种可能的基准是根据强大模型推荐最优动作。然而，这些动作假设后续跟随动作为最优，而人类决策者可能无法执行，从而可能降低整体绩效。在本工作中，我们提出并研究了基于价值的干预方案，灵感来自强化学习中的一个基本原则：在贝尔曼方程下，最优政策选择能最大化即时奖励加上价值函数的动作。当决策者遵循次优政策时，这一政策-价值一致性不再成立，在动作选择上产生差异。我们表明，这些政策-价值不一致自然地识别出干预的机会。我们在马尔可夫决策过程中对该问题进行形式化化，其中 AI 助手可在干预预算下覆盖人类动作。在单次干预情形下，我们证明最优策略是推荐最大化人类价值函数的动作。对于多次干预的情形，我们提出了一种可行的近似方法，基于政策-价值差异的大小对干预进行优先排序。在棋局域中，我们通过学习大规模游戏数据的模型来评估这些想法。在仿真实验中，我们的方法在各种情形下均 consistently 优于基于最强国际象棋引擎（Stockfish）的干预。进一步的对内人类研究包含 20 名选手和 600 场比赛，结果表明我们的干预在提升低和中水平选手绩效方面显著有效，而对高水平选手的干预效果与专家级引擎干预相当。
引用
@article{arxiv.2604.14465,
title = {Improving Human Performance with Value-Aware Interventions: A Case Study in Chess},
author = {Saumik Narayanan and Raja Panjwani and Siddhartha Sen and Chien-Ju Ho},
journal= {arXiv preprint arXiv:2604.14465},
year = {2026}
}