工作节奏：对工作场所人员的人类行为轨迹的多尺度解释

运行时跟踪正在成为理解代理系统的核心基础，但解释主要集中在代理所做的事情上。工作场所代理人面临着互补的问题：解释他们周围的人类活动。数小时的低级事件携带了有关用户状态的丰富证据，但过于精细，无法直接推理，将它们扁平化为一个流或将它们压缩为单个嵌入都将“总结用户的行为”视为有一个正确答案。相反，我们认为行为解释是依赖于分辨率的：相同的轨迹应该允许在不同的时间分辨率下有多个可寻址的解释。我们构建了一个由语义标准化运算符、重复出现的主题、连贯的情节和日级节奏组成的多分辨率词汇表，每个词汇都保留了其自身视野中显着的结构。应用于大型商业生产力套件（50,000 个用户、100 个组织）中的 6.67 亿个人类事件，它产生了 120 个操作员类型、数千个主题、25 个情节类型和 5 个日节奏原型。我们在真实的遥测数据上验证了它：在不相交的 2,000 个用户样本上重新运行整个管道可以恢复相同的分类（结构稳定性），并且在保留的用户上，完整表示比平面算子基线更准确地预测用户的下一个事件，相对宏观 F1 增益为 17%（预测有效性），因此抽象保留了未来相关信息，而不仅仅是描述它。然后，受控的分辨率消融表明，没有一个级别是跨问题的最佳水平：针对同一轨迹的不同代理所面临的问题最好在不同的分辨率下得到回答。因此，代理的行为跟踪解释应该是多分辨率和查询条件的：代理应该访问问题所需的时间粒度，而不是一个通用的摘要。