从游戏分析中揭示人类注意力模式：用于强化学习的注意力机制
统计方法学
2025-04-16 v1
摘要
本研究提出了一种新方法，从游戏数据中揭示人类内部注意力模式（决策相关注意力），利用强化学习（RL）中的离线注意力技术。我们提出了情境化、任务相关（CTR）注意力网络，从人类和 RL 代理人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验证了该模型：将其与代理人注意力图以及基于人类眼动数据的情境集成显露注意力（TIOA）模型进行比较。我们的结果表明，人类 CTR 注意力图比代理人注意力图更稀疏，且更符合 TIOA 注意力图。遵循定性视觉比较，我们得出结论，这些注意力图可能捕捉到内部注意力模式。作为进一步的应用，我们利用这些注意力图指导 RL 代理人，发现人类注意力引导的代理人在学习中略有提高且更稳定，同时显著优于基于 TIOA 的代理人。这一工作推动了对人类代理人注意力差异的理解，为从行为数据中提取和验证内部注意力模式提供了新方法。
引用
@article{arxiv.2504.11117,
title = {Spatial Sign based Direct Sparse Linear Discriminant Analysis for High Dimensional Data},
author = {Dan Zhuang and Long Feng},
journal= {arXiv preprint arXiv:2504.11117},
year = {2025}
}