从游戏分析揭示人类注意力模式：面向强化学习
机器学习
2026-03-27 v3 计算机视觉与模式识别
摘要
本研究引入一种新方法，仅凭游戏数据即可揭示人类内部注意力模式（决策相关注意力），借鉴强化学习 (RL) 中的离线注意力技术。我们提出情境化、任务相关 (CTR) 注意力网络，从人类和 RL 智能体的游戏中生成注意力图。为评估人类 CTR 注意力图是否揭示内部注意力模式，我们通过定量和定性比较人类注意力图与智能体注意力图，以及基于人类眼动数据的时序整合公开注意力 (TIOA) 模型。我们的结果表明，人类 CTR 注意力图比智能体注意力图更稀疏，且更符合 TIOA 注意力图。根据定性视觉比较，我们得出结论，这些注意力图很可能捕捉到内部注意力模式。作为进一步应用，我们利用这些注意力图指导 RL 智能体，发现人类注意力引导的智能体在准确率和学习稳定性方面略有提升，且显著优于基于 TIOA 的智能体。这一工作深化了对人类-智能体注意力差异的理解，提供了从行为数据中提取和验证内部注意力模式的新方法。
引用
@article{arxiv.2504.11118,
title = {Revealing Human Attention Patterns from Gameplay Analysis for Reinforcement Learning},
author = {Henrik Krauss and Takehisa Yairi},
journal= {arXiv preprint arXiv:2504.11118},
year = {2026}
}