传统人机协作模型常将人类简化为“带噪声的理性体”，这忽略了真实决策中的风险偏好差异，导致协调失败。一项新研究通过引入累积前景理论（CPT），构建了RS-ToM框架，让智能体能在线识别并适应伙伴未知的乐观或悲观倾向。这种零样本个性化的能力，为人机高效协作开辟了新路径，尤其适用于风险与信任交织的复杂场景。
智能速览
传统AI模型因忽略人类风险偏好常导致协调失败。
新框架RS-ToM能在线识别人类伙伴的风险敏感偏好。
MARSRL算法创新性地解决了CPT在深度网络中的计算瓶颈。
实验中，团队回报与协同流畅度分别提升189%和104%。
研究开源了代码与Risky Overcooked基准，推动领域发展。
精华内容
人机协作的深层挑战，在于让冰冷的算法理解并适应人类决策中丰富的非理性部分。这项研究正是为此而来，它将行为经济学理论注入AI，让机器真正学会“读懂人心”。
协作症结
传统的人机协作模型通常基于一个基本假设：人类是“带噪声的理性体”。这意味着模型认为人类的决策虽然可能出错，但大体上遵循效用最大化原则。然而，真实世界中，人类决策常受情绪、经验和认知偏差影响，尤其在风险面前，会表现出系统性的非理性行为，如过度乐观（风险寻求）或过度悲观（风险规避）。这种假设与现实的脱节，导致智能体无法准确预测人类伙伴的行为，在需要高度配合与信任的任务中，频繁出现协调失败，降低了团队整体效率。
理论破局
研究引入了行为经济学中的累积前景理论（CPT）来破解这一难题。CPT能够更真实地描述人在不确定性下的决策行为，即人们对收益和损失的感知是不对称的。基于此，研究者构建了风险敏感心智理论（RS-ToM）框架。该框架包含一个核心算法——深度多智能体风险敏感强化学习（MARSRL），它用CPT替代了传统的期望奖励，让智能体在训练时就能同时学习风险寻求、风险中性和风险规避三种策略。为解决CPT带来的计算复杂性，研究还提出了“全前景回放缓冲区”技术，显著提升了算法在高维连续状态下的可训练性。
在线适配
RS-ToM框架的另一大亮点是在线个性化适配能力。智能体无需任何关于人类伙伴的先验数据，仅通过观测对方最初10步的行为，就能进行贝叶斯更新，推断出其风险偏好类型（乐观或悲观）。随后，系统会即时切换到与之最匹配的策略，实现零样本的个性化协作。这种快速识别与动态调整的机制，让智能体像一个善解人意的伙伴，能够迅速适应不同性格的队友，极大增强了协作的灵活性和普适性。
成效显著
为验证效果，研究者设计了名为Risky Overcooked的全新实验平台，其中包含了“可滑倒水坑”等将风险与信任耦合的场景。实验结果令人瞩目：与假设人类“带噪声理性”的基线模型相比，采用RS-ToM的智能体在团队总回报上最高提升了189%，协同流畅度提升了104%。此外，在伙伴可预测性指标上，新方法也带来了121%的增长。数据显示，仅用200步交互，RS-ToM的推理就能快速收敛，证明其在真实复杂任务中具有巨大的应用潜力。
这项研究的价值，在于它让人机协作从冰冷的“命令-执行”模式，向更富同理心的“理解-适应”模式迈进了一大步。通过将累积前景理论引入AI，智能体不仅变得更“聪明”，也更“通人性”。未来，这种能读懂伙伴风险偏好的智能体，能否在自动驾驶、医疗手术等高风险领域成为人类最可靠的搭档？
