适应性偏好：通过用户投诉进行调整

《ACM Transactions on Autonomous and Adaptive Systems》：Adaptive Preferences: Pivoting Through User Complaints

动态用户偏好建模与反馈驱动优化研究，提出基于“人机协同”机制和遗传算法的适应性框架，通过用户反馈实时调整偏好值，实验验证在自动驾驶场景中有效提升20名参与者的主观满意度。

　　

摘要

在软件系统的进化过程中，尤其是在自动驾驶车辆等领域，动态用户偏好至关重要，但同时也极具挑战性。现有方法往往无法准确反映这些偏好，要么是因为忽视了它们的动态性，要么是因为用户难以用数学方式表达自己的需求，从而给用户带来了额外的负担。为了解决这一问题，我们提出了一个新颖的框架，将动态偏好视为固有的不确定性，并通过“人在回路”（human-on-the-loop）机制来让用户在对系统行为不满意时能够提供反馈。该框架利用设计好的适应度函数，结合遗传算法来调整偏好值，通过反馈驱动的适应过程使偏好与用户期望保持一致。我们通过一个自动驾驶原型和一个涉及20名参与者的用户研究验证了该框架的有效性。研究结果表明，该框架能够有效结合算法驱动的调整和用户的反馈，从而显著提升用户在自动驾驶系统中的主观满意度。