当你的AI队友还是"陌生人"：这篇新论文想教Agent边干边学

用过AI写代码、搭Agent工作流的人大概都有这种感受：跟一个新模型或者新工具配合，前几个回合基本在互相试探。彼此不知道对方擅长什么、需要什么，一来一回半天，节奏才慢慢对得上。

但问题是，很多场景下没有这半天。临时组队、陌生伙伴、一次性的协作——希望对方上来就能读懂意图，而不是先跑十轮对话校准。

这几天arXiv上刚挂出一篇论文在啃这个硬骨头。《Partner Capability Estimation for Task-Agnostic Adaptation in Ad-Hoc Teamwork》，来自Peter Tisnikar和四位合作者，7月29日发布。它要回答一个核心问题——一个AI Agent在跟陌生伙伴（可能是人类也可能是另一个AI）合作时，能不能在看不到对方完整能力的情况下，快速摸清对方的路数，然后调整自己的行动？

Ad-Hoc Teamwork（临时团队协作）研究的是两个或多个事先没有一起训练过的个体，在相遇时必须立刻协作完成一个任务。现有方法有一个要命的假设：它们默认伙伴的能力是已知的，或者大家只在一个固定任务上合作。而现实中的协作根本不是这样——遇到的人可能擅长不同的东西，甚至同一个任务有完全不同的正确做法。

这篇论文把问题重新定义成了「未知伙伴能力下的分布式联合规划」，然后提出了CE-CM（Capability Estimation via Contextual Models）方法。核心思路是通过贝叶斯推断，从几次协作中估计出伙伴的「能力向量」——这个向量不依赖具体任务，换了一个新任务也能复用。

这个方法不需要在大量人群数据上预训练。它通过仿真采样来初始化估计，然后在真实交互中在线更新，几个任务下来就能收敛。这意味着不需要事先准备好海量的人类行为数据就能部署一个会「读人」的Agent。

论文还做了另一个有温度的改进。他们观察到人类不是最优决策者——同一个任务，不同的人会做出不同的但都合理的操作。所以又推出了CE-CM-Div，这个变体不再假设伙伴会走「最优轨迹」，而是用多种合理的规划方案来评估能力假设。论文拿15个人的225条轨迹做了离线验证，结果是CE-CM-Div对能力的估计准确度比基础版CE-CM明显更好。

想让AI跟真人配合，它得先承认真人不是机器。真人有风格、有偏好、有状态波动，不是一个完美理性的小样本就能概括的。

目前还只是仿真和离线实验阶段，44页的论文里塞了18张图，团队在这个方向上下了不少功夫。论文没有开源代码链接，也没有披露具体的部署场景，不过思路本身够直接——用概率推断取代预训练，用多样性适应取代最优假设，这两点在工程上都有落地潜力。

如果这篇论文的方法能被搬进实际的Agent框架里，可能会改变一件事：下次打开一个新工具，头几个回合它能更快地「接住你」，而不是反复调prompt、改配置、试参数。不过目前这一切还在仿真和离线实验阶段。论文没有附带开源代码，也没有具体的部署方案披露——从读到用之间，还有一段路要走。

相关链接：
- 论文原文：https://arxiv.org/abs/2607.27177