arXiv cs.AI·30 天前★ 2

具身智能体如何仲裁用户纠错

原文标题：Knowing When to Yield: Grounded Arbitration of User Corrections in Text-Based Embodied Agents

重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

论文提出「有依据的纠错仲裁」问题：当用户纠正可能有误时，具身智能体应在接受、拒绝、检查环境、询问说话者之间选择。GAVA 系统结合观察受限证据、合法探针与一步期望损失规则实现该接口。在 ALFWorld 文本环境中，语义先验可降低交互成本，但研究未证明环境信息价值普遍优于澄清提问。

论文速读 · 四段结构cs.AI去论文速读 →

问题: 具身智能体面对可能错误的用户纠错时，该接受、拒绝、查环境还是反问。
方法: GAVA用观察受限证据、合法探针与一步期望损失规则，在四种响应间做有依据的仲裁。
结果: ALFWorld中162个检查点、972对干预下完整本地检查达100%纠错准确率；语义先验在340个未见场景把交互与联合成本分别降低0.490和0.420。
影响: 做具身或对话智能体时，选择性信息收集能降成本，但「查环境一定优于反问」并未被证明。