为人机团队学习互补策略

本文探讨决策中人机互补性的关键挑战。我们摆脱了传统上对算法性能的关注，转而重视人机团队的性能，并超越了将协作视为分类问题的框架，转而关注决策任务，从而引入了一种新颖的策略学习方法。具体而言，我们针对仅在分配动作下才能观察到结果的人机协作问题，开发了一种鲁棒解决方案。我们提出了一种延迟协作方法，通过利用人类和 AI 的独特优势来最大化决策奖励，并在它们之间策略性地分配实例。至关重要的是，我们的方法对人类行为模型和奖励模型的误设定均具有鲁棒性。利用性能提升源于人类与 AI 行为模式差异这一洞见，我们使用合成和真实的人类响应证明，我们提出的方法显著优于独立的人类和算法决策。此外，我们表明，仅将一小部分实例交由人类决策者处理即可实现显著的性能提升，这突显了在复杂管理环境中实现高效且有效的人机协作的潜力。