中文

杠杆定律:面向人类-智能体协作的任务级框架

人工智能 2026-04-29 v1 计算与语言

摘要

我们提出了一种用于人类-智能体协作的任务级杠杆比率:由智能体取代的人类工作量,除以指定任务、解决中期中断和审查结果所需的人类时间。 分母可分为三个渠道,通过每个被保守的任务信息需求必须流经的渠道,每个渠道都有自己的时间成本标量。 我们表明,信息密度本身是有方向的,受限于人类-智能体和智能体-人类流动的独立上限;而杠杆的渐近行为可分解为两个尺度轴(能力和记忆),其中规划项的下限由不可约的任务新颖性通过人类吞吐量所确定。 我们将这种任务级分析扩展到一种窗口化杠杆度量,以适应可重复任务、生成子任务以及摊销系统设计投资。 任务级上限不必约束窗口化度量,尽管两者都保持受限:LtaskL_{\text{task}}由任务新颖性限制,LwindowL_{\text{window}}由在窗口内支付的累积规划投资储备所限制。 该框架将前人对监督控制(Sheridan, 1992)、共同基础(Clark & Brennan, 1991)以及混合主动性交互(Horvitz, 1999)的定性工作在一个规范比率内进行操作化,并产生一系列可测试的实证问题,我们将其留作开放问题。

关键词

引用

@article{arxiv.2604.25040,
  title  = {Leverage Laws: A Per-Task Framework for Human-Agent Collaboration},
  author = {Stan Loosmore},
  journal= {arXiv preprint arXiv:2604.25040},
  year   = {2026}
}

备注

10 pages, 2 figures