学习在容量约束下将预测任务分配给代理人
人机交互
2026-05-28 v1 人工智能
摘要
我们解决了将预测任务分配给一个可用的代理人集合中的一个代理人的学习问题。特别是，我们关注代理人 expertise 和分配策略的顺序学习，其中每个代理人都受限于只能处理一部分任务。我们以代理人的容量、代理人 expertise 差异以及任务上下文为基础，对该问题提供了一般性的理论描述。我们然后开发了一个顺序探�-剖析策略学习算法框架，旨在最大化整体性能。实验结果覆盖多种表格、图像和文本预测任务，显示我们的方法相对于非情境基准在不同类型的代理人（包括 LLM 和人类）方面系统性地获得性能提升。
关键词
引用
@article{arxiv.2605.27999,
title = {Learning to Assign Prediction Tasks to Agents with Capacity Constraints},
author = {Shang Wu and Saatvik Kher and Padhraic Smyth},
journal= {arXiv preprint arXiv:2605.27999},
year = {2026}
}