STAND：面向交互式任务学习的自感知前提归纳
机器学习
2026-02-05 v2
摘要
在交互式任务学习中，人工智能体从任务执行过程中有限的人类指令中学习新能力。STAND是一种专门为这种人机协同训练场景设计的数据高效规则前提归纳新方法。STAND的一个关键特征是其对自身学习的自感知能力——它能够向用户提供训练进度的准确度量。在小数据前提归纳任务中，STAND优于XGBoost、决策树、随机森林和版本空间等流行方法，并且在估计其性能在留出样本上何时提升方面高度准确。在我们的评估中，我们发现STAND比其它模型表现出更单调的改进，且错误复发率低。STAND的这些特性支持更一致的训练体验，使人类指导者能够估计何时完成训练，并通过识别需要更多训练的问题区域来提供主动学习支持。
引用
@article{arxiv.2409.07653,
title = {STAND: Self-Aware Precondition Induction for Interactive Task Learning},
author = {Daniel Weitekamp and Glen Smith and Kenneth Koedinger and Christopher MacLellan},
journal= {arXiv preprint arXiv:2409.07653},
year = {2026}
}