Нераскрытое мнение: увязка здоровых агентов с имплицитными предпочтениями

arXiv: 2502,00858v4 Annuales Type: заменить резюме: в инструкциях на естественном языке редко указываются все детали, необходимые для осуществления конкретных действий. Например, агент должен по-прежнему определять, следует ли мыть или резать яблоко, где его разместить и в каком месте осуществлять эти действия. Такие решения часто отражают специфические предпочтения пользователей, которые проявляются в поведении, но никогда не конкретизируются. Мы изучаем вопрос о том, могут ли воплощенные агенты сделать вывод об этих скрытых предпочтениях из небольшого числа предыдущих демонстраций и применять их при планировании в новых ситуациях. Для поддержки систематической оценки мы внедряем систему планирования на основе привилегий (PbP), которая представляет собой контрольный показатель, включающий 5 000 групп по оценке и 290 предпочтений, разбитых на три уровня: параметры атомных действий, стратегические аспекты взаимодействия и политики размещения и временные ограничения. Мы также предлагаем создать двухэтапный механизм, который сначала озвучивает предпочтение, вытекающее из мультимо.