基于保形VLM生成式引导的混合决策

依托近期AI进展，混合决策（HDM）有望提升人类决策质量并降低认知负荷。我们在学习引导（learning to guide, LtG）的框架下开展工作，这是近期提出的一种HDM框架，其中最终决策始终由人类负责：AI不直接建议决策，而是提供有助于促进决策的（文本）引导。现有方法的一个限制因素是，其引导会堆叠关于所有可能结果的信息，因而可能难以消化。我们通过提出ConfGuide来解决这一问题，这是一种新颖的LtG方法，能生成更简洁、更有针对性的引导。为此，它利用保形风险控制（conformal risk control）选择一组结果，确保漏报率（false negative rate）有上限。我们在一个真实世界的多标签医学诊断任务上展示该方法。我们的实证评估凸显了ConfGuide的前景。