Mind the Prompt: Self-adaptive Generation of Task Plan Explanations via LLMs
本文提出了名为 COMPASS 的自适应性方法，通过将提示工程建模为部分可观测马尔可夫决策过程（POMDP）来推断用户认知状态，从而在复杂任务规划系统中自动生成并优化针对大语言模型的任务计划解释。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
这篇论文介绍了一个名为 COMPASS 的聪明系统，它的核心任务是：让 AI 生成的“任务计划”更容易被人类理解。
想象一下，你正在指挥一支由机器人和人类组成的施工队。AI 算出了一个完美的施工计划，但这个计划充满了复杂的数学公式、概率数据和代码。如果你直接把这个计划扔给一位不懂技术的财务经理，或者一位疲惫不堪的现场工人，他们可能完全看不懂，甚至感到困惑。
COMPASS 就是为了解决这个问题而生的。它就像一位超级智能的“翻译官”兼“心理读心师”。
以下是用通俗易懂的方式对这篇论文的解读：
1. 核心问题：为什么 AI 的解释有时候很糟糕？
现在的 AI（大语言模型）很厉害，能写诗、写代码。但是，如果你直接问它：“请解释一下这个机器人的施工计划”，它可能会给出一个千篇一律的回答。
- 对专家说：它可能说得太简单，专家觉得没营养。
- 对新手说：它可能说得太深奥，新手直接晕头转向。
- 对疲惫的人说：它可能长篇大论，让人根本不想看。
以前的方法需要人手动去调整提示词（Prompt），告诉 AI“请说简单点”或“请说专业点”。但这太累了，而且不同的人在不同时间（比如刚上班 vs. 快下班时）的需求都在变。
2. COMPASS 是怎么工作的？（三个关键步骤）
COMPASS 把“如何向人解释”这件事，变成了一个自动适应的循环过程。我们可以把它想象成一个会读心术的导游。
第一步：把“人话”变成“机器能懂的指令” (S1 阶段)
- 场景：项目经理用大白话描述：“我们需要在 A 房间和 B 房间之间铺管道，机器人 r1 和工人 h1 去帮忙。”
- COMPASS 的作用：它像一个翻译官，先把这些大白话自动转换成机器人能听懂的精确指令（JSON 格式），然后交给 AI 规划器算出最佳方案。
- 比喻：就像把你想去旅行的想法，自动填好复杂的签证表格和航班代码，交给旅行社（AI 规划器）去安排。
第二步：给 AI 装上一个“读心术”大脑 (POMDP 模型)
这是论文最核心的创新。COMPASS 认为，人的真实心理状态（比如：注意力集中吗？理解能力强吗？累不累？）是看不见的（Hidden State）。
- 它怎么做：它使用一种叫 POMDP（部分可观测马尔可夫决策过程） 的数学模型。
- 看不见：它不知道用户此刻是不是真的累了。
- 看得见：它能看到用户的反馈（比如：用户是点了“喜欢”还是“不喜欢”？用户是不是快速关闭了页面？）。
- 读心：它结合一个“认知预测器”（比如通过深度学习模型分析用户的行为数据），猜测用户现在的状态。
- 比喻：就像一位经验丰富的导游。他看不见游客脑子里在想什么，但他看到游客频繁看表（线索），就猜测游客累了（状态），于是决定缩短讲解（行动）。如果游客点头微笑（反馈），他就知道可以继续讲深一点。
第三步：动态调整“说话方式” (S2 阶段)
根据刚才的“读心”结果，COMPASS 会自动调整给大语言模型的提示词（Prompt），生成最适合当下的解释。
- 如果用户是 AI 专家：提示词会变成“请用专业术语，详细列出 Pareto 最优解”。
- 如果用户是财务经理：提示词会变成“请重点讲成本，用简单的比喻，别讲技术细节”。
- 如果用户快下班了（注意力低）：提示词会变成“请只给结论，用 bullet points（要点列表），语气轻松点”。
3. 一个生动的例子：建筑工地的故事
论文里用了一个建筑工地的案例来测试：
- 场景：一个由 3 个机器人和 1 个工人组成的团队在盖楼。
- 情况 A：一位AI 专家早上刚来，精力充沛。COMPASS 检测到他是专家，就生成了一份长篇大论、充满技术术语的解释。专家很满意。
- 情况 B：这位专家下午快下班了，注意力下降。COMPASS 通过预测模型发现他可能累了，于是自动调整策略，生成了一份简短、要点清晰的解释。
- 情况 C：一位非专业人士（比如行政人员）来看计划。COMPASS 发现他不懂技术，就生成了一份像讲故事一样、用生活类比的解释。
4. 实验结果：它管用吗？
研究人员找了 32 个人（包括专家、非专家等）来测试：
- 准确性：COMPASS 能成功把自然语言变成机器能懂的指令。
- 适应性：当用户反馈“不喜欢”或者系统检测到用户状态变化时，COMPASS 能迅速调整，生成更好的解释。
- 满意度：大多数参与者觉得，经过 COMPASS 调整后的解释，确实比“一刀切”的解释更容易理解，也更贴心。
5. 总结：为什么这很重要？
这就好比以前的自动售货机，不管你想喝什么，都给你倒一杯一样的水。
而 COMPASS 就像是一个懂你的私人管家：
- 它知道你在做什么（任务规划）。
- 它知道你是谁（专家还是小白）。
- 它知道你现在感觉如何（累不累，懂不懂）。
- 它自动调整说话的方式，确保你听得懂、愿意听。
一句话总结：
这篇论文提出了一种让 AI 学会“看人下菜碟”的方法，通过数学模型自动猜测用户的心理状态，从而动态调整解释的语气、长度和格式，让复杂的 AI 决策变得真正“以人为本”。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。