通过对话探索规划空间：一个用于 LLM 居中解释规划的 Agentic 框架

为现实序列决策问题自动生成规划时，目标往往不是取代人类规划者，而是促成迭代的推理与引导过程，人类的角色是依据自己的偏好与专长引导 AI 规划器。在此情境下，回应用户问题的解释对增进其对潜在解的理解和提升对系统的信任至关重要。为支持与这类系统的自然交互，我们提出一个对解释框架不可知的多智能体大语言模型（LLM）架构，可提供依赖用户与情境的交互式解释。我们还描述了该框架在目标冲突解释上的一个实例，并用它开展用户研究，比较 LLM 驱动的交互与基于模板的基线解释界面。