DynamiCare: A Dynamic Multi-Agent Framework for Interactive and Open-Ended Medical Decision-Making
University of Pennsylvania（宾夕法尼亚大学）
本文提出DynamiCare动态多智能体框架和MIMIC-Patient数据集，将临床诊断建模为多轮交互循环，由专科智能体迭代查询并动态调整策略，建立了首个LLM驱动的动态临床决策基准。
2025-07-03 cs.AI
Interactive Reference Point-Based Guided Local Search for the Bi-objective Inventory Routing Problem
Université de Bretagne-Sud（南布列塔尼大学）
获取决策者的偏好是将搜索和决策成功结合在交互式方法中的关键因素。因此，逐步集成和模拟的决策者是一个主要关注的应用程序。在这个方向上，我们提出了一个基于参考点的指导本地搜索的双目标库存路由问题的交互式方法。随后获得的车辆路径问题的本地搜索元启发式，工作的交付间隔，和克拉克和赖特储蓄启发式。为了获得偏好，决策者选择一个参考点，以指导在感兴趣的次区域进行搜索。此外，参考点被用作保留点，以丢弃锥外的解决方案，作为一个收敛准则。基准数据的参考点为基础的引导局部搜索的计算结果的报告和分析，以显示该方法的适用性。
2014-05-22 cs.AI
Interactive Cost Configuration Over Decision Diagrams
Configit A/S；University College Cork（科克大学学院）；Technical University of Denmark（丹麦技术大学）
在许多人工智能领域，如产品配置，用户应该交互式地指定一个解决方案，必须满足一组约束。在这种情况下，离线编译可行的解决方案到一个易于处理的表示是一个重要的方法来提供有效的无回溯的用户交互在线。特别是，二元决策图（BDD）已成功地用作产品和服务配置的编译目标。在本文中，我们将讨论如何扩展BDD为基础的配置方案涉及成本函数，表达用户的喜好。我们首先表明，一个有效的，强大的和易于实现的扩展是可能的，如果成本函数是添加剂，和可行的解决方案表示使用多值决策图（MDDs）。我们还讨论了MDD大小的影响，如果成本函数是非加性的，或者如果它是明确编码到MDD。然后，我们讨论了存在多个成本函数的交互式配置。我们证明，即使在其最简单的形式，多成本配置是NP难的输入MDD。然而，对于解决两个成本配置，我们开发了一个伪多项式计划和一个完全多项式逼近计划。我们的方法的适用性证明了通过实验在现实世界的配置模型和产品目录数据集。响应时间通常在几分之一秒内，即使是非常大的实例。
2014-01-16 cs.AI
MR-LDM -- The Merge-Reactive Longitudinal Decision Model: Game Theoretic Human Decision Modeling for Interactive Sim Agents
Global Center for Automotive Performance Simulation（全球汽车性能模拟中心）；Honda Research Institute, USA Inc.（本田研究院（美国公司））；Division of Data and Analytics, Virginia Tech Transportation Institute（弗吉尼亚理工运输研究所数据分析部门）
本文提出MR-LDM模型，将博弈论战术决策与底层动力学统一建模，通过改进收益函数和后车动作集合提升高速公路合流仿真的真实性与可解释性，并在真实数据和仿真环境中验证了其复现能力与计算效率。
2025-07-15 cs.AI cs.GT cs.MA
Team Behavior in Interactive Dynamic Influence Diagrams with Applications to Ad Hoc Teams
University of Georgia（佐治亚大学）；Teesside University（提赛德大学）；Queen’s University Belfast（贝尔法斯特女王大学）
特别团队的规划是具有挑战性的，因为它涉及代理在没有任何事先协调或沟通的情况下进行协作。重点是原则性的方法，为一个单一的代理人与他人合作。这激发了在个人决策框架的背景下调查特设团队合作问题。然而，在多智能体环境中的个人决策面临的任务是必须对其他智能体的行为进行推理，这反过来又涉及对他人的推理。一个已建立的近似操作这种方法是从下面的无限嵌套引入0级模型。我们表明，有限嵌套建模的后果是，我们可能无法获得最佳的团队合作设置的解决方案。我们通过包括0级模型来解决这个限制，这些模型的解决方案涉及学习。我们证明，学习集成到规划的背景下，互动的动态影响图促进最佳的团队行为，并适用于特设团队合作。
2014-09-01 cs.AI cs.MA
Program Synthesis Dialog Agents for Interactive Decision-Making
Columbia University（哥伦比亚大学）；Amazon（亚马逊）；Sciences Po Paris（巴黎社会科学高等研究院）
针对现实资格判定问题，提出交互决策基准BeNYfits，并引入ProADA方法，通过将对话规划映射为代码生成问题并利用结构化数据空缺确定下一步行动，有效缓解语言模型幻觉，在保持对话轮数的同时显著提升F1分数。
2025-11-04 cs.AI
TimberTrek: Exploring and Curating Sparse Decision Trees with Interactive Visualization
Georgia Institute of Technology（佐治亚理工学院）；Duke University（杜克大学）
鉴于成千上万个同样准确的机器学习（ML）模型，用户如何在其中进行选择？最近的ML技术使领域专家和数据科学家能够为稀疏决策树生成一个完整的罗生门集-一个几乎最优的可解释ML模型的巨大集合。为了帮助ML从业者从这个罗生门集合中识别具有理想属性的模型，我们开发了TimberTrek，这是第一个交互式可视化系统，它可以大规模总结数千棵稀疏决策树。两个使用场景强调了TimberTrek如何使用户能够轻松地探索、比较和策划与其领域知识和价值观相一致的模型。我们的开源工具直接在用户的计算笔记本和Web浏览器中运行，降低了创建更负责任的ML模型的障碍。TimberTrek可在以下公开演示链接中获得：https://poloclub.github.io/timbertrek。
2022-09-19 cs.AI cs.HC cs.LG
Safe Exploration for Interactive Machine Learning
ETH Zurich（苏黎世联邦理工学院）
在交互式机器学习（IML）中，我们迭代地做出决策并获得未知函数的噪声观测。虽然IML方法，例如，贝叶斯优化和主动学习在实际应用中取得了成功，但在实际系统中，它们必须能够避免不安全决策。为此，安全的IML算法必须仔细学习先验未知的约束，而不做出不安全的决策。现有的算法对这个问题的学习所有决策的安全性，以确保收敛。这是样本效率低下的，因为它探索了与原始IML目标无关的决策。在本文中，我们介绍了一个新颖的框架，可以使任何现有的不安全IML算法变得安全。我们的方法可以作为一个附加组件，将建议的决策作为输入，并利用高斯过程的规律性假设，以便有效地了解它们的安全性。因此，我们只在IML问题需要时才探索安全集。我们将我们的框架应用于安全贝叶斯优化和安全探索确定性马尔可夫决策过程（MDP），之前已经分别进行了分析。我们的方法优于其他算法经验。
2019-10-30 cs.AI cs.LG cs.RO
Understanding the Effect of Out-of-distribution Examples and Interactive Explanations on Human-AI Decision Making
University of Chicago（芝加哥大学）；University of Colorado Boulder（科罗拉多大学博尔德分校）
尽管人工智能有望改善人类在社会关键领域的决策，但人类-人工智能团队如何在具有挑战性的预测任务（也称为互补性能）中可靠地超越人工智能和人类仍然是一个悬而未决的问题。我们探索两个方向，以了解在实现互补性能的差距。首先，我们认为典型的实验设置限制了人类-AI团队的潜力。为了解释由于分布偏移而导致的分布外AI性能低于分布内AI性能，我们设计了具有不同分布类型的实验，并研究了分布内和分布外示例的人类性能。其次，我们开发了新的界面来支持交互式解释，以便人类可以积极参与人工智能的帮助。使用虚拟试点研究和三个任务的大规模随机实验，我们证明了分布内和分布外之间的明显差异，并观察到交互式解释的混合结果：虽然交互式解释提高了人类对人工智能辅助有用性的感知，但它们可能会加强人类的偏见并导致有限的性能改善。总的来说，我们的工作指出了在人工智能辅助下提高人类绩效的关键挑战和未来方向。
2021-10-05 cs.AI cs.CY cs.HC
Digital Human Interactive Recommendation Decision-Making Based on Reinforcement Learning
AntGroup（蚂蚁集团）；Damo Academy, Alibaba Group（阿里巴巴集团达摩院）
数字人推荐系统是为了帮助客户找到他们喜欢的产品而开发的，并在各种推荐环境中发挥着积极的作用。如何及时捕捉和学习客户的偏好动态，同时满足他们的确切要求，成为数字人类推荐领域的关键。为了充分利用数字人的特点和强化学习的灵活性，提高交互式推荐决策的效率，设计了一种基于强化学习（RL）的数字人交互式推荐代理框架。我们提出的框架通过最先进的RL算法，结合多模态嵌入和图嵌入，动态地通过数字人和客户之间的实时交互进行学习，以提高个性化的准确性，从而使数字人代理能够及时吸引客户的注意力。对真实业务数据的实验表明，我们的框架可以提供更好的个性化客户参与和更好的客户体验。
2022-11-04 cs.AI cs.IR cs.LG
IXAII: An Interactive Explainable Artificial Intelligence Interface for Decision Support Systems
TU Dortmund University（杜伊斯堡- Essen大学）；University of Duisburg-Essen（杜伊斯堡-埃森大学）
针对现有可解释AI方法静态且忽略用户视角的局限，开发了名为IXAII的交互式可解释智能系统，融合四种可解释AI方法并为五类用户群体提供定制视图，显著提升了系统透明度与人机交互体验。
2025-06-26 cs.AI cs.SE
Graph Convolution-Based Deep Reinforcement Learning for Multi-Agent Decision-Making in Mixed Traffic Environments
Beijing Institute of Technology（北京理工大学）；Delft University of Technology（代尔夫特理工大学）；Nanyang Technological University（南洋理工大学）
智能交通系统中的互联自动驾驶车辆的安全、高效运行迫切需要一个高效、可靠的多智能体决策系统。目前的研究主要集中在深度强化学习（Deep Reinforcement Learning，DRL）方法。然而，在交互式交通场景中，由于缺乏交互信息，DRL方法难以表达不同车辆之间的相互影响，难以对动态交通环境进行建模，从而导致协同决策生成的准确性不高。为了解决这些困难，本研究提出了一个框架，使不同的图强化学习（GRL）方法的决策，并比较它们的性能在交互式驾驶场景。GRL方法将图神经网络（GNN）和DRL框架相结合，实现了自主车辆交互场景下更好的决策生成，其中GNN提取交互场景的特征，DRL框架生成协作行为。几个GRL方法进行了总结，并在建议的框架中实现。为了评价GRL方法的性能，构建了高速公路双匝道交互驾驶场景，并在SUMO平台上进行了仿真实验，对不同GRL方法的性能进行了评价。最后，从多个角度和维度对结果进行分析，比较不同GRL方法在智能交通场景中的特点。结果表明，GNN的实现能够很好地表征车辆之间的交互，GNN与DRL的结合能够提高换道行为生成的性能。我们工作的源代码可以在https://github.com/Jacklinkk/TorchGRL上找到。
2022-01-30 cs.AI cs.RO
The Decision-Theoretic Interactive Video Advisor
University of Wisconsin-Milwaukee（威斯康星大学密尔沃基分校）；Assumption University（易三仓大学）
为了帮助人们在大量的项目中进行选择，并通过大量的信息进行过滤，导致了大量的研究在建设个人推荐代理。在构建这样的代理的中心问题之一是表示和用户的喜好或兴趣的启发。这个主题在决策理论中已经研究了很长时间，但令人惊讶的是，在推荐系统领域很少有工作使用正式的决策理论技术。本文介绍了DIVA，一个决策理论代理推荐电影，包含了一些新的功能。DIVA使用项目之间的成对比较来表示用户偏好，而不是数字评级。它使用了一种新的相似性度量的基础上的概念，两个排序的项目之间的冲突的概率。该系统具有丰富的偏好表示，区分用户对电影的一般品味和他的直接兴趣。它采用了一种增量的方法来获取偏好，如果用户对推荐列表不满意，可以提供反馈。我们经验评估系统的性能，使用EachMovie协同过滤数据库。
2013-01-23 cs.AI cs.IR
NAIL: A General Interactive Fiction Agent
Microsoft Research（微软研究院）；Apple（苹果公司）
交互式小说（IF）游戏是复杂的文本决策问题。本文介绍了NAIL，一个自主智能体的一般分析器为基础的IF游戏。NAIL赢得了2018年文本冒险AI竞赛，在那里它被评估了20个看不见的游戏。本文介绍了架构，发展和见解支撑NAIL的性能。
2019-02-14 cs.AI
InteraSSort: Interactive Assortment Planning Using Large Language Models
University of Illinois Chicago（伊利诺伊大学芝加哥分校）
针对门店品类规划中因复杂性及规划师缺乏优化能力导致的决策延误问题，提出交互式框架InteraSSort，利用大型语言模型结合优化工具，通过对话式界面协助用户输入目标与约束，实现精准定制化的品类决策。
2024-01-09 cs.AI
A Novel Task-Driven Method with Evolvable Interactive Agents Using Event Trees for Enhanced Emergency Decision Support
Institute of Nuclear and New Energy Technology, Tsinghua University（清华大学核能与新能源技术研究院）；Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所）
针对突发紧急事件下人工应急决策的局限性，提出融合两类LLM智能体与事件树分析的EvoTaskTree方法，可从任务响应中学习，在核电站未遇事故场景下准确率达100%，显著提升应急决策效率。
2024-12-24 cs.AI cs.CL
ClinEnv: An Interactive Multi-Stage Long Horizon EHR Environment for Agents
Georgia Institute of Technology（佐治亚理工学院）；Peking University（北京大学）；University of Texas Southwestern Medical Center（德克萨斯西南医学中心）；Tsinghua University（清华大学）
提出ClinEnv，一个基于真实住院患者数据的交互式基准，通过多阶段决策序列评估大语言模型在不确定性下逐步收集信息并做出不可逆决策的能力，发现模型决策质量与过程质量严重脱节。
2026-06-01 cs.AI cs.CL cs.ET
Active Evidence-Seeking and Diagnostic Reasoning in Large Language Models for Clinical Decision Support
Tencent Youtu Lab（腾讯优图实验室）；Case Western Reserve University（凯斯西储大学）
研究探讨了大语言模型在临床决策支持中的主动证据获取与诊断推理问题，提出了一种基于OSCE的标准化患者模拟器和可控可复现的基准测试，发现多轮证据获取会降低诊断准确性并降低支持证据质量，表明静态全上下文基准可能高估交互证据获取场景中的性能，需引入互补的交互评估以提高临床决策安全性。
2026-05-21 cs.AI
Evaluating Scenario-based Decision-making for Interactive Autonomous Driving Using Rational Criteria: A Survey
James Watt School of Engineering, University of Glasgow（格拉斯哥大学詹姆斯·瓦特工程学院）
本文综述了深度强化学习在高速公路、匝道合流、环岛和无信号交叉口等典型场景中的自动驾驶决策应用，并提出DDTUI五项理性准则对现有算法进行系统评估，指出未来研究方向。
2025-01-03 cs.AI cs.RO cs.SY
Interactive Learning from Policy-Dependent Human Feedback
Cogitai（Cogitai公司）；Brown University（布朗大学）；North Carolina State University（北卡罗来纳州立大学）；Washington State University（华盛顿州立大学）
本文研究了人类教师使用正反馈和负反馈交流的交互式学习行为问题。许多以前的工作对这个问题的假设，人们提供反馈的决定，这是依赖于他们的行为教学和独立于学习者的当前政策。我们提出的实证结果表明，这种假设是错误的-无论是人类教练给一个积极的或消极的反馈的决定是由学习者的当前政策的影响。基于这一见解，我们介绍{\em Convergent Actor-Critic by Humans}（COACH），一种从策略依赖反馈中学习的算法，它收敛到局部最优。最后，我们证明COACH可以成功学习物理机器人的多种行为。
2023-01-28 cs.AI
Decision Making for Autonomous Driving in Interactive Merge Scenarios via Learning-based Prediction
University of Surrey（萨里大学）
在与人类驾驶员共享的道路上行驶的自主智能体必须对交通参与者之间的微妙互动进行推理。这提出了一个高度挑战性的决策问题，因为人类行为受到多种因素的影响（例如，人类的意图和情感），很难建模。本文提出了一种自动驾驶的决策方法，专注于合并到移动交通中的复杂任务，其中不确定性来自其他驾驶员的行为和不完善的传感器测量。我们框架的问题作为一个部分可观察的马尔可夫决策过程（POMDP）和解决它的蒙特卡罗树搜索在线。POMDP的解决方案是执行高级别驾驶操作的策略，例如为接近的汽车让路，与前面的车辆保持安全距离或并入交通。我们的方法利用从数据中学习的模型来预测未来的交通状态，同时明确考虑周围代理之间的交互。根据这些预测，自动驾驶汽车可以预测其行为对环境的未来影响，并相应地优化其轨迹。我们在模拟中彻底测试了我们的方法，表明自动驾驶汽车可以根据不同情况调整其行为。我们还与其他方法进行比较，证明了所考虑的性能指标的改进。
2023-03-29 cs.AI cs.LG cs.RO
Beyond Uncertainty Reduction: Calibrated Planning for Interactive Diagnosis
Lanzhou University（兰州大学）；Hunan University（湖南大学）；National University of Singapore（新加坡国立大学）；City University of Hong Kong（香港城市大学）；The Ohio State University（俄亥俄州立大学）
该研究针对交互式医疗诊断漏诊重症的风险与长程规划缺失问题，提出严重程度感知共形临床规划框架，在DDXPlus和MediQ上提升了诊断准确性、鉴别质量并降低了高风险错误。
2026-10-19 cs.AI
Language Decision Transformers with Exponential Tilt for Interactive Text Environments
ServiceNow Research（ServiceNow研究院）；Quebec Artificial Intelligence Institute (Mila)（魁北克人工智能研究所（Mila））；Polytechnique Montreal（蒙特利尔理工学院）
提出 Language Decision Transformers (LDTs) 框架，通过引入指数倾斜、新颖目标条件化和未来观测模型扩展决策 Transformers，在 Jericho 等挑战性文本游戏中实现最高分并首次解决离线 RL 问题。
2023-11-17 cs.AI cs.CL cs.LG
Tapilot-Crossing: Benchmarking and Evolving LLMs Towards Interactive Data Analysis Agents
The University of Hong Kong（香港大学）；Microsoft Research Asia（微软亚洲研究院）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
针对交互式数据分析任务中LLM智能体评估缺乏真实交互数据的问题，研究提出新型基准Tapilot-Crossing及自适应交互反思策略AIR，实现最高44.5%的性能提升。
2024-03-08 cs.AI
Augmenting Clinical Decision-Making with an Interactive and Interpretable AI Copilot: A Real-World User Study with Clinicians in Nephrology and Obstetrics
Peking University（北京大学）；University of Hong Kong（香港大学）；Hong Kong University of Science and Technology（香港科学与技术大学）；Peking University Third Hospital（北京大学第三医院）；Affiliated Xuzhou Municipal Hospital of Xuzhou Medical University（徐州医科大学附属徐州市人民医院）；University of Edinburgh（爱丁堡大学）；Health Data Research UK（英国健康数据研究）
AICare通过交互式和可解释的AI助手提升临床决策，通过实验证明其降低认知负荷并增强医生信任
2026-01-31 cs.AI cs.HC
Interactive Machine Learning: From Theory to Scale
University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
本论文提出交互式机器学习的新算法和理论框架，实现高效主动学习和上下文带算法，解决大规模应用中的计算效率与模型选择问题。
2025-12-30 cs.AI cs.LG stat.ML
Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework
本文提出CoDrivingLLM框架，通过环境模块、思维链推理、冲突协调器和记忆增强生成，赋予网联自动驾驶车辆交互与持续学习能力，实现全场景协同驾驶自动化。
2025-09-19 cs.AI cs.RO
An Interactive Interpretability System for Breast Cancer Screening with Deep Learning
Vanderbilt University（范德堡大学）；Carnegie Mellon University（卡内基梅隆大学）
深度学习方法，特别是卷积神经网络，已经成为医学图像计算任务中的强大工具。虽然这些复杂的模型提供了出色的性能，但它们的黑盒性质可能会阻碍高风险决策的实际应用。在本文中，我们提出了一个互动系统，利用国家的最先进的可解释性技术，以协助放射科医生与乳腺癌筛查。我们的系统将深度学习模型集成到放射科医生的工作流程中，并提供新颖的交互，以促进对模型决策过程的理解。此外，我们证明了我们的系统可以利用用户交互逐步提供更细粒度的可解释性报告，标签开销很小。由于所采用的可解释性技术的通用性，我们的系统是领域不可知的，可用于许多不同的医学图像计算任务，为我们如何利用视觉分析来转换最初的静态可解释性技术以增强人类决策并促进医学AI的采用提供了一个新的视角。
2022-09-30 cs.AI cs.CV cs.HC
SWR-Viz: AI-assisted Interactive Visual Analytics Framework for Ship Weather Routing
Fujitsu Research of America Inc., USA（美国富士通研究公司）；University of California Santa Cruz, USA（加州大学圣克鲁兹分校）
针对海上运输航线规划面临的预测延迟与决策难题，提出AI辅助可视分析框架SWR-Viz，结合物理信息傅里叶神经算子预测模型、SIMROUTE航线规划与排放分析，经评估提升预测稳定性，获专家认可，为复杂领域决策提供支持。
2025-11-19 cs.AI cs.HC
Integrating Large Language Models with Network Optimization for Interactive and Explainable Supply Chain Planning: A Real-World Case Study
本文提出融合网络优化与LLM的供应链规划框架，利用AI智能体、API和动态界面生成可解释的角色化决策支持，并通过案例验证其降本、防缺货与保服务水平的效果。
2025-08-29 cs.AI
SPformer: A Transformer Based DRL Decision Making Method for Connected Automated Vehicles
School of Automotive Studies, Tongji University（交通工程学院，同济大学）
本文提出 SPformer，一种融合 Transformer 与 DRL 的 CAV 多车协同决策架构，通过策略 token 和物理位置编码提取车辆交互特征，显著提升决策效率与安全性。
2024-09-23 cs.AI cs.MA cs.SY
Interpretable Modelling of Driving Behaviors in Interactive Driving Scenarios based on Cumulative Prospect Theory
University of California at Berkeley（加州大学伯克利分校）
了解人类驾驶行为对自动驾驶汽车很重要。本文提出了一种基于累积前景理论（CPT）的交互式驾驶场景中可解释的人类行为模型。作为一种非期望效用理论，CPT可以很好地解释一些期望效用理论无法解释的人类系统性偏差或“非理性”行为/决策。因此，这项工作的目标是制定人类驾驶员的行为生成模型与CPT，使一些“非理性”的行为或人类的决定可以更好地捕捉和预测。为了实现这一目标，我们首先开发了一个CPT驱动的决策模型，专注于驾驶场景与两个相互作用的代理。提出了一种分层学习算法，用于学习CPT模型中的效用函数、价值函数和决策权函数。最后以环形交叉口并线为例进行验证。利用实际驾驶数据，比较了基于TTC的预定义模型、基于神经网络的基于学习的模型和基于CPT的模型的预测性能。实验结果表明，该模型的性能优于TTC模型，并在训练数据更少、可解释性更好的情况下达到与基于学习的模型相似的性能。
2019-07-19 cs.AI cs.RO cs.SY
GEC: A Unified Framework for Interactive Decision Making in MDP, POMDP, and Beyond
Northwestern University（西北大学）；Peking University（北京大学）；The Hong Kong University of Science and Technology（香港科技大学）；Yale University（耶鲁大学）
本文提出广义eluder系数（GEC）来刻画强化学习中探索与利用的权衡，涵盖MDP、POMDP等场景，并设计了一种通用的后验采样算法，通过次线性遗憾上界证明了其样本高效性。
2023-06-30 cs.AI cs.LG math.OC
ArgLLM-App: An Interactive System for Argumentative Reasoning with Large Language Models
Imperial College London（伦敦帝国学院）
ArgLLM-App是一个基于大语言模型的论证推理交互系统，通过可视化解释和用户交互实现决策的可解释性和可挑战性。
2026-02-27 cs.AI cs.CL
Probabilistic Prediction of Interactive Driving Behavior via Hierarchical Inverse Reinforcement Learning
University of California, Berkeley（加州大学伯克利分校）
自动驾驶汽车（AVs）已经上路。为了安全有效地与其他道路参与者进行交互，自动驾驶汽车必须准确预测周围车辆的行为并相应地进行规划。这种预测应该是概率性的，以解决人类行为中的不确定性。这种预测也应该是互动的，因为在所有可能的轨迹的预测车辆的分布不仅取决于历史信息，但也对未来的计划，其他车辆与它互动。为了实现这种互动感知的预测，我们提出了一种概率预测方法的基础上分层逆强化学习（IRL）。首先，我们明确地考虑了人类驾驶员的分层自动生成过程，涉及离散和连续的驾驶决策。在此基础上，在所有未来轨迹的预测车辆的分布被制定为一个混合的分布划分的离散决策。然后，我们应用IRL分层学习分布从真正的人类示威。提供了一个案例研究的坡道合并驾驶方案。定量结果表明，所提出的方法可以准确地预测离散的驾驶决策，如屈服或通过以及连续的轨迹。
2018-09-09 cs.AI cs.LG cs.RO
Play to Grade: Testing Coding Games as Classifying Markov Decision Process
Stanford University（斯坦福大学）
当代的编程教育经常给学生提出开发具有用户交互和复杂动态系统的程序的任务，例如基于鼠标的游戏。虽然在教学上很有吸引力，但目前还没有提供反馈的自主方法。值得注意的是，交互式程序不可能通过传统的单元测试来评分。在本文中，我们正式提出的挑战，提供反馈的交互式程序作为一项任务的分类马尔可夫决策过程（MDP）。每个学生的程序完全指定了一个MDP，其中代理需要在合理的泛化下操作和决定，如果输入MDP的动态和奖励模型应该被分类为正确或损坏。我们证明，通过设计代理和自回归模型之间的合作目标，我们可以使用代理从输入MDP，允许分类器来确定成员的差分轨迹采样：发挥等级。我们的方法使一个自动反馈系统的交互式代码分配。我们发布了一个包含711，274名匿名学生提交的数据集，这些学生提交了一个带有手工编码错误标签的作业，以支持未来的研究。
2021-12-14 cs.AI cs.CY cs.LG
Measuring Similarity of Interactive Driving Behaviors Using Matrix Profile
Carnegie Mellon University（卡内基梅隆大学）；University of California, Berkeley（加州大学伯克利分校）；Tsinghua Automotive Research Institute (Suzhou)（清华苏州汽车研究院）
利用时间序列观测来理解多车交互行为对于自主车辆在不确定的交通环境中做出适当的决策至关重要。按需相似性度量对于自动驾驶车辆通过聚类和分类不同场景来处理大规模交互驾驶行为具有重要意义。本文提出了一种通用的方法来衡量时空相似性的互动行为，使用多元矩阵轮廓技术。该方法的关键吸引人的特点是其优越的空间和时间复杂度，实时在线计算的流量数据流，并可能利用硬件并行计算的能力。通过从序列数据中自动发现交叉口相似交互驾驶行为，验证了该方法的有效性。
2020-03-11 cs.AI cs.LG
Let's Have a Conversation: Designing and Evaluating LLM Agents for Interactive Optimization
Operations Research Center and Sloan School of Management, Massachusetts Institute of Technology（麻省理工学院运筹学研究中心和斯隆管理学院）；Kellogg School of Management, Northwestern University（西北大学凯洛格管理学院）
本文提出了一种可扩展的评估方法，通过对话评估优化代理，展示交互优化代理在解决学校调度问题时能获得更高质量的解决方案。
2026-04-03 cs.AI math.OC
Interactive Multi-Objective Probabilistic Preference Learning with Soft and Hard Bounds
Department of Computer Science（计算机科学系）；Stanford University（斯坦福大学）
研究高风险决策中多目标平衡问题，提出Active-MoSH框架，其局部组件结合概率偏好学习与主动采样，全局组件利用多目标敏感性分析，提升决策信心，通过实验验证其性能优势。
2026-07-07 cs.AI cs.LG
Efficient Online Learning for Optimizing Value of Information: Theory and Application to Interactive Troubleshooting
Caltech（加州理工学院）；Xerox Research Center Europe（施乐欧洲研究中心）；ETH Zurich（苏黎世联邦理工学院）
我们考虑的最优信息值（VoI）问题，其目标是顺序选择一组具有最小成本的测试，以便可以有效地根据观察到的结果做出最佳决策。现有的算法要么是没有保证的算法，要么是可扩展性差的算法（就可用测试的数量而言，运行时间是指数级的）。此外，这些方法假设测试结果的分布是已知的，这在实践中往往不是这样。我们提出了一个有效的基于采样的在线学习框架来解决上述问题。首先，假设的分布是已知的，我们提出了一个动态的假设枚举策略，它允许有效的信息收集与强有力的理论保证。我们表明，有足够的样本量，可以确定一个接近最优的决策概率很高。其次，当假设分布的参数是未知的，我们提出了一种算法，逐步学习的参数通过后验抽样在线的方式。我们进一步建立了一个严格的边界上的预期遗憾。我们证明了我们的方法在现实世界中的交互式故障排除应用程序的有效性，并表明，一个可以有效地作出高质量的决策，低成本。
2017-07-17 cs.AI cs.LG stat.ML
MedSAM-Agent: Empowering Interactive Medical Image Segmentation with Multi-turn Agentic Reinforcement Learning
Chinese University of Hong Kong, Hong Kong SAR, China（香港中文大学）；Hunyuan Group, Tencent（腾讯洪音集团）；Institute of Automation, the Chinese Academy of Sciences, Beijing, China（中国科学院自动化研究所）；Dalian University of Technology, Dalian, China（大连理工大学）；Stanford University, Stanford, USA（斯坦福大学）
MedSAM-Agent通过多轮代理强化学习提升医学图像分割的交互效率与准确性
2026-02-03 cs.AI cs.CV
Risk-Constrained Interactive Safety under Behavior Uncertainty for Autonomous Driving
fortiss GmbH（福蒂斯研究所（有限责任公司））；Technische Universität München（慕尼黑工业大学）
在密集的交通中进行规划时，平衡安全性和效率是一项挑战。互动行为规划者将预测的不确定性和互动性固有的这些交通情况。然而，他们使用的单目标最优性阻碍了所产生的安全目标的可解释性。在存在行为不确定性的情况下，限制允许规划区域的安全包络产生可解释的安全性，然而，由于保守驾驶，它们在密集交通中牺牲效率。研究表明，人类通过接受违反安全包络的概率风险来平衡密集交通中的安全和效率。在这项工作中，我们采用这种安全目标的互动规划。具体来说，我们正式这个安全目标，提出了风险约束鲁棒随机贝叶斯博弈模型的交互式决策，满足最大的风险违反安全信封下的其他交通参与者的行为的不确定性和解决它使用我们的变体多智能体蒙特卡罗树搜索。我们在模拟中证明，我们的方法优于基线方法，并通过在驱动模拟时间内达到指定的违规风险水平，为交互式规划提供了一个可解释和可调的安全目标。
2021-02-05 cs.AI
Scalable Interactive Machine Learning for Future Command and Control
U.S. DEVCOM Army Research Laboratory（美国DEVCOM陆军研究实验室）；U.S. Mission Command Battle Lab（美国任务指挥作战实验室）
本文针对未来指挥与控制中决策时效性和复杂性问题，提出规模化交互式机器学习（SIML）框架，从人机交互算法、韧性团队构建和规模扩展三个方向推动人机协同决策。
2024-03-28 cs.AI cs.CL cs.HC
A Conflicts-free, Speed-lossless KAN-based Reinforcement Learning Decision System for Interactive Driving in Roundabouts
James Watt School of Engineering, University of Glasgow（格拉斯哥大学詹姆斯·瓦特工程学院）；Faculty of Science, University of Amsterdam（阿姆斯特丹大学科学学院）；School of Computer and Mathematical Sciences, The University of Adelaide（阿德莱德大学计算机与数学科学学院）；University of Michigan-Shanghai Jiao Tong University Joint Institute, Shanghai Jiao Tong University（密歇根大学-上海交通大学联合研究所，上海交通大学）；School of Electrical and Electronic Engineering, University College Dublin（都柏林大学学院电子与电气工程学院）
针对混合交通下环形交叉路口自动驾驶的安全与效率问题，提出一种基于深度Q学习与KAN的强化学习决策系统，结合动作检查器、路线规划器和模型预测控制，实现了更少碰撞和更短行驶时间，显著优于现有方法。
2025-09-12 cs.AI cs.LG cs.RO
Interactive Autonomous Navigation with Internal State Inference and Interactivity Estimation
Stanford University（斯坦福大学）；Korea Advanced Institute of Science and Technology（韩国高等科学技术研究院）；Honda Research Institute USA（美国本田研究院）
本文提出将三个时空关系推理辅助任务集成到标准DRL框架中，通过反事实推理推断周围智能体内部状态并预测轨迹，结合时空图神经网络与交互性估计机制，显著提升了多智能体环境下的自主导航性能与可解释性。
2023-11-27 cs.AI cs.CV cs.LG
INTENTION: Inferring Tendencies of Humanoid Robot Motion Through Interactive Intuition and Grounded VLM
针对传统机器人控制依赖精确模型、难以泛化的问题，提出INTENTION框架，结合VLM场景推理与交互记忆，使机器人能凭直觉在新场景中自主操作。
2025-08-06 cs.AI cs.RO
BIDA: A Bi-level Interaction Decision-making Algorithm for Autonomous Vehicles in Dynamic Traffic Scenarios
Tongji University（同济大学）；Yale University（耶鲁大学）
提出BIDA算法，融合交互式蒙特卡洛树搜索与深度强化学习，通过价值与策略网络引导推演，提升自动驾驶在动态场景中的交互安全性、效率与合理性。
2025-06-19 cs.AI cs.ET cs.LG
Dynamic Detection of Relevant Objectives and Adaptation to Preference Drifts in Interactive Evolutionary Multi-Objective Optimization
Centre for Logistics & Sustainability Analytics, Kent Business School, University of Kent（肯特大学肯特商学院物流与可持续性分析中心）；Université de Haute-Alsace（上阿尔萨斯大学）；Alliance Manchester Business School, University of Manchester（曼彻斯特大学联盟曼彻斯特商学院）
本研究针对交互式多目标优化中决策者偏好动态变化的问题，提出在基于排序的算法中模拟偏好漂移、丢弃过时或冲突偏好，并保护相关目标免于陷入最优，实验证明该方法能有效管理演变偏好并提升解的质量。
2024-11-07 cs.AI cs.NE math.OC
Language Agents for Hypothesis-driven Clinical Decision Making with Reinforcement Learning
Technical University of Munich（慕尼黑技术大学）；Munich Center for Machine Learning（慕尼黑机器学习中心）
本文提出了一种基于强化学习的假设驱动语言代理LA-CDM，用于提升临床诊断的准确性和效率。
2026-02-28 cs.AI cs.CL cs.LG
Assessing the Usability of GutGPT: A Simulation Study of an AI Clinical Decision Support System for Gastrointestinal Bleeding Risk
Yale University（耶鲁大学）；CUNY Baruch College（纽约市立大学巴鲁克学院）；Yale School of Medicine（耶鲁医学院）；University of California, Berkeley（加州大学伯克利分校）；Cornell University（康奈尔大学）
本研究通过临床模拟测试消化道出血风险预测大语言模型GutGPT对医护人员接受度与信任的影响，发现其对接受度影响不一但可提升内容掌握度，为优化AI临床决策支持系统提供参考。
2023-12-06 cs.AI cs.HC cs.LG
