arXiv · cs.AI· Chenyu Zhang, Rachel Luo, Boyi Li, Anjali Parashar, Marco Pavone, Apoorva Sharma·· 2 天前
Careful Judge（CARE）提出安全高效的人机协同决策框架
Careful Judge: Safe and Efficient Human-AI Collaborative Decision Making
arXiv:2610.09043v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Chenyu Zhang, Rachel Luo, Boyi Li, Anjali Parashar, Marco Pavone, Apoorva Sharma
首次提交：2026-10-07 03:44
研究任务与主要进展
作者提出CARE（校准自适应纠正与升级）流水线，将AI模型与人工复核结合，通过自适应校准持续利用人工反馈，在安全约束下减少人工查询。CARE可配合黑盒AI模型，论文摘要称其在驾驶、语言和机器人领域的四个安全关键数据集上实现人类对齐决策，并较基线减少25%—81%的人工查询；当前材料仅提供摘要，未说明实验细节。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org