提醒提示：通过大语言模型生成任务计划解释的自适应方法
人工智能
2026-04-24 v1 软件工程
摘要
将大语言模型 (LLM) 集成到复杂软件系统中可实现对不透明 AI 流程（如自动任务计划）的人类可理解解释的生成。然而，这些解释的质量和可靠性高度依赖有效的提示工程。对不同利益相关者群体如何构建和细化提示缺乏系统性理解，阻碍了开发能够自动化此过程的工具。我们引入 COMPASS (COgnitive Modelling for Prompt Automated SynthesiS)，一个概念验证自适应方法，将提示工程正式化为认知和概率决策过程。COMPASS 模型化不可观测的用户潜在认知状态，如注意力和理解、不确定性，以及可观察的交互线索作为 POMDP，其合成策略可实现对解释和提示细化的自适应生成。我们使用两个多样化的网络-物理系统案例研究来评估自适应解释生成及其质量，定量和定性分析。我们的结果表明，COMPASS 可将人类认知和用户配置文件的反馈集成到复杂任务计划系统中的自动化提示合成中是可行的。
引用
@article{arxiv.2604.21092,
title = {Mind the Prompt: Self-adaptive Generation of Task Plan Explanations via LLMs},
author = {Gricel Vázquez and Alexandros Evangelidis and Sepeedeh Shahbeigi and Radu Calinescu and Simos Gerasimou},
journal= {arXiv preprint arXiv:2604.21092},
year = {2026}
}