点击购买，资源将自动在新窗口打开.
获取独家产品信息，尽享促销优惠！立即订阅，不容错过
* 限···时··优惠
主要关注决策准确性。为了解决这一差距，我们建议离线增强学习（RL）作为建模人类决策制定的一般方法，以优化各种目标的人类互动。rl通过在正确的时间为人类定制和自适应为人类提供决策支持，以在AI辅助决策中优化各种目标。我们以两个目标来实现我们的方法：人类AI对决策任务和人力技能改进的准确性（即学习任务），并从先前的人类交互数据中学习了决策支持政策。我们将优化的政策与AI辅助决策中的几个基线进行了比较。在两个实验中（n = 316和n = 964），我们的结果始终证明，与针对
主要关键词
