From Propositional to Perceptual Asymmetry: Extending Frictive Policy Optimization to Asymmetric Partial Information Dialogue

Resumen Técnico: De la Asimetría Proposicional a la Perceptual

Planteamiento del Problema
El diálogo colaborativo depende de la construcción de un terreno común, un proceso inherentemente propenso a la fricción (desalineación, malentendidos y reparación). Mientras que la Optimización de Política Frictiva (FPO, por sus siglas en inglés) reformula esta fricción como una señal epistémica esencial para una alineación robusta, las implementaciones existentes (por ejemplo, FAAF) operan bajo un supuesto de asimetría proposicional. En este régimen, los participantes comparten un contexto perceptual (la misma escena) pero llegan a creencias diferentes.

Este artículo identifica una limitación al aplicar FPO a la asimetría perceptual, donde los participantes poseen información parcial asimétrica (por ejemplo, diferentes mapas o vistas). En tales entornos, expresiones superficiales idénticas pueden producir denotaciones distintas dependiendo de qué estado de información fundamenta la referencia. El problema central es que las formulaciones estándar de FPO, que asumen un contexto perceptual compartido, no logran contabilizar el hecho de que el "historial de interacción" ($h$) es específico de cada participante ($h^{(i)}$). En consecuencia, la evaluación omnisciente de la fricción puede omitir desalineaciones críticas o clasificarlas erróneamente como ruido.

Metodología
Los autores extienden la FPO hacia una formulación perspectival y la evalúan mediante un análisis trans-corpus y sondeo de Modelos de Lenguaje de Gran Escala (LLM).

1. Extensión Teórica:

   • Los autores redefinen el estado frictivo como una configuración donde el funcional de fricción $F^-(h^{(i)}, y) > 0$ para al menos una respuesta plausible, evaluada en relación con el horizonte de información privada de un participante $h^{(i)}$.
   • Descomponen los cuatro modos de fallo epistémico de $F^-$ (Incertidumbre, Contradicción, Peligro, Conflicto de Valor) en diagnósticos específicos de rol:
     • Hablante (Emisor/Giver): Detecta principalmente el Conflicto de Valor (subespecificación de la producción) y la Incertidumbre (ambigüedad dentro del contexto).
     • Oyente (Seguidor/Addressee): Detecta principalmente la Contradicción (conflicto de fundamentación entre perspectivas) y el Peligro (compromiso erróneo confiado).
   • Esta formulación trata el terreno común no como un presupuesto, sino como una construcción activa que reconcilia evidencia perceptualmente disjunta.

2. Conjuntos de Datos:

   • HCRC MapTask: El objetivo principal de evaluación. Los autores utilizan dos capas de anotación: las etiquetas originales de actos de diálogo NXT y el conjunto de datos GMMT (Malentendidos Fundamentados en MapTask), que proporciona anotaciones por perspectiva de hitos (landmarks) pretendidos vs. interpretados.
   • OneCommon: Utilizado como punto de comparación secundaria trans-corpus para observar la asimetría referencial en una estructura de tarea diferente (selección de puntos).

3. Diseño Experimental:

   • Análisis de Corpus: Tabulación cruzada de tipos de discrepancia de hitos (Idéntico, Léxico, Existencia, Multiplicidad) contra subtipos pendientes de GMMT y trayectorias de alineación.
   • Sondeo de LLM: Se probaron tres LLM con ajuste de instrucciones (GPT-5, Qwen3.6, Llama-4-Scout) bajo tres condiciones:
     • Omnisciente: Acceso a los mapas de ambos participantes.
     • Perspectiva del Emisor: Acceso solo al mapa del emisor.
     • Perspectiva del Oyente: Acceso solo al mapa del oyente.
   • Evaluación de Productividad de Reparación: Se utilizó una métrica de "RepairScore" para determinar si los estados frictivos detectados correspondían a desalineaciones que fueron posteriormente reparadas en el diálogo.

Contribuciones Clave

1. Estados Frictivos Perspectivales: El artículo formaliza una descomposición de la fricción específica por rol, donde el hablante incurre en fricción por la ambigüedad dentro del marco y el oyente por los conflictos entre marcos.
2. Validación Empírica de la Evaluación Limitada a la Perspectiva: A través del sondeo de LLM, los autores demuestran que restringir un modelo a la vista de un solo participante mejora la detección de la desalineación referencial en comparación con el acceso omnisciente.
3. Refinamientos de Anotación: Los autores proponen dos refinamientos específicos para los esquemas de anotación de fundamentación:
   • Descomposición de Subtipos: Distinguir entre subtipos pendientes (por ejemplo, no fundamentado vs. cuantitativo) para capturar distintos modos de fallo.
   • Alineación Consciente de la Acomodación: Diferenciar entre la alineación lograda mediante negociación explícita y la alineación lograda mediante acomodación silenciosa.

Resultos

• Fricción Dependiente de la Discrepancia: La fricción no es uniforme; diferentes tipos de discrepancia producen perfiles de fallo de fundamentación cualitativamente distintos. Las discrepancias de multiplicidad (donde un hito aparece múltiples veces en un mapa) impulsan una parte desproporcionada de los malentendidos (tasa del 12.0% frente al 0.2% para hitos idénticos) y se caracterizan por altas tasas de estados pendientes no fundamentados.
• Análisis de Trayectoria: Las cadenas de multiplicidad exhiben altas tasas de trayectorias de estado no monotónicas (38.9%), donde la alineación se logra localmente pero decae globalmente a medida que referencias subsecuentes reintroducen la ambigüedad. Esto respalda el componente de Peligro de FPO (trayectorias que parecen exitosas pero divergen silenciosamente).
• Desempeño del Sondeo de LLM:
  • Superioridad de la Perspectiva: En todos los modelos, la condición de Perspectiva del Emisor superó significativamente a la condición Omnisciente en la detección de fricción (brechas de F1 de +0.47 a +0.69).
  • Fallo Omnisciente: Los modelos omniscientes a menudo fallaron en detectar la desalineación, tratando las contradicciones entre mapas como ruido o recurriendo al "sí" (alineación) debido a la presencia de entidades compartidas. Restringir la vista a una sola perspectiva hizo emerger el subconjunto de información estructuralmente relevante, mejorando la detección.
  • Productividad de la Reparación: La formulación perspectival identificó con éxito todos los 13 eventos de reparación del estándar de oro en el conjunto de prueba, mientras que la línea base omnisciente omitió varios. Esto confirma que los señales de perspectiva no son solo detectables, sino que son productivas para la reparación.
• Acomodación vs. Negociación: La acomodación silenciosa (cambiar la interpretación sin movimientos de fricción) fue rara (0.2% de los RE alineados). El patrón dominante fue la alineación negociada, lo que sugiere que los participantes despliegan la fricción efectivamente cuando las interpretaciones cambian, pero el cuello de botella reside en rastrear las ambigüedades estructurales que resurgen a lo largo de la cadena del diálogo.

Significancia y Reivindicaciones
El artículo sostiene que el diálogo colaborativo no es simplemente un "problema de contexto compartido" que pueda resolverse con ventanas de contexto más grandes o modelos más potentes. En cambio, cuando los agentes coordinan bajo información privada, la fricción reside en la brecha entre sus horizontes de información.

Los autores argumentan que más contexto puede oscurecer la señal: tener acceso a las perspectivas de ambos participantes (omnisciencia) puede llevar a subestimar la desalineación de conocimiento y a perder desalineaciones críticas. Un modelo perspectival "más pequeño", que razona desde un solo horizonte de información, supera a un modelo de frontera "omnisciente" en la detección y reparación de la desalineación.

El trabajo establece que la función de fricción de FPO es empíricamente válida solo cuando se evalúa dentro del horizonte de información de cada participante. Esto desafía el supuesto por defecto en el diseño de agentes de que la desalineación es un problema de cobertura, proponiendo en su lugar que una alineación efectiva requiere razonar desde una perspectiva, no sobre todas las perspectivas simultáneamente. El artículo concluye que para los sistemas multi-agente y el trabajo en equipo humano-IA, los sistemas conscientes de la fricción deben diseñarse para razonar desde estados de información específicos y privados.