Luo et al.：AI“如何提供帮助”与帮助的内容同样有效——Fukai 解读

一段话摘要

当 AI 帮助玩家时，我们很容易只关注“能给出多聪明、多正确的一手”。但这篇论文提出的是另一个问题——即便是同样的帮助，是否会因为“何时”给出、以“怎样的主导权分配”给出，而使用户的满意度和对 AI 的评价发生变化？作者是加州大学圣塔芭芭拉分校（UC Santa Barbara）Yunhao Luo 等人组成的团队，本文是被 2026 年 IUI（Intelligent User Interfaces，智能用户界面国际会议）收录的论文，其手稿也已发布于 arXiv。

题材是“Rush Hour”，即挪动车辆、让红色车逃出出口的谜题。研究将 66 名参与者分为三组，比较自行按按钮请求帮助的“按钮型”、在一定时间内手部停止操作后自动介入帮助的“计时器型”、以及不提供帮助的“对照组”。结果显示，谜题的推进程度（成绩）在三种条件下几乎没有差异，但使用计时器型的人对 AI 的评价更高——即便最终剩余预算较少也是如此。这是一项表明体验并非由帮助的内容、而是由传递方式所左右的发现。

引言——是谁、在哪里做的研究

作者为 Yunhao Luo、Arthur Caetano、Avinash Ajit Nargund、Tobias Höllerer、Misha Sra 五人，均为 UC Santa Barbara 计算机科学与电气工程领域的研究者。发表平台是 IUI '26（第31届 Intelligent User Interfaces 国际会议，2026年3月23日至26日，于塞浦路斯帕福斯举办），是经 ACM 出版、通过同行评审的会议论文（DOI:10.1145/3742413.3789224）。同一份手稿也以 arXiv:2602.01481 的形式公开。与其说这是一篇尚未评审的预印本，不如说它是已通过评审的会议论文的公开版本。

我今天选读这篇论文，是因为其题材正是 Rush Hour 这种“谜题本身”。在游戏或谜题中加入“提示”“自动求解”“自适应难度”之类辅助功能的场景很多。这时我们往往只在意“提示的精准度”，而这项研究却将“何时、如何给出提示”这一设计轴，从成绩中剥离出来正面加以测量。对制作谜题的人而言，这是一番能直接产生影响的论述。

背景——“何时提供帮助”这个古老的难题

在这一领域中，人类与 AI 分担同一项工作、共同推进的机制被称为“混合主导系统（mixed-initiative system，人类与 AI 双方均可主动发起行动的机制）”。1999年 Horvitz 提出“优雅的协作”这一说法，论述帮助只有在与用户所处状况和注意力同步给出时才最有效，这是该领域的经典出发点。但要让 AI 自行正确判断“究竟何时给出帮助最为恰当”却很困难。过早、过于直接的提示会剥夺学习的机会，而干预过强则会让用户感到主导权被夺走。

作者们提出的另一个问题是：在现实系统中，“何时提供帮助（时机）”与“提供什么帮助（内容）”往往相互纠缠，难以单独抽取出时机本身的效应。此外，以往的许多研究考察的都是“仅此一次的帮助”，而用户与 AI 反复互动、逐步形成策略的“连续性问题解决”场景则较少被探讨。为填补这两处空白，作者们设计了一项可以有意将时机与内容分离开来的实验。

方法——Rush Hour 与两种帮助方式

舞台是 Rush Hour 谜题。在 6×6 的网格中排列着长度为2〜3的车辆，车辆只能沿其朝向前后移动，且不能重叠。目标是让红色车辆从右端出口逃出。作者们选择这一题材，是因为它需要按顺序进行空间推理，拥有“最短步数”这一明确指标，而且规则简单、任何人都能立刻上手。作者们解释道，这就像软件调试或家电维修一样，是“陷入僵局、纠结究竟要寻求帮助还是独自摸索前进”这类现实工作的缩影。

提供帮助的 AI 采用广度优先搜索（BFS，一种从当前盘面出发、逐一穷举以找到最短可解步骤的算法），始终返回最短解。之所以刻意让帮助保持“最优且恒定”，是为了让观测到的差异能够归因于传递方式，而非帮助的内容本身。传递方式分为两种。“按钮型”由用户自行按下帮助按钮，并指定希望获得多少步的帮助（主导权在用户手中）。“计时器型”则在开始解谜之前，预先设定“手部停止操作多少秒后、希望获得多少步帮助”，一旦超过这段无操作时间，AI 就会自动介入（主导权部分转移给 AI，但边界仍由用户决定）。只要有任何操作，计时器就会重置。

为增添现实感，研究引入了预算机制。每道谜题开始时给予3美元，随时间流逝每秒扣除0.01美元，AI 每提供一步帮助则扣除0.05美元。若不使用帮助，预算最多可维持300秒。剩余预算会直接转化为奖励加成，因此参与者被迫在“独自解决”与“卡关时战略性地借助帮助”之间做出权衡。参与者共66人（每种条件22人），通过众包平台 Prolific 招募，并事先进行了检验力分析（一种以统计方式估算所需人数的计算），得出最低需41人，最终招募了66人。实验流程依次为：练习题2道 → 无帮助的基准题2道（用于衡量个人实力）→ 正式题5道（难度各异，用拉丁方设计法抵消顺序效应）。

发现——成绩相同，印象不同

首先看成绩。表示操作是否无谓浪费的“步数精度（与最优步数的接近程度，若以最优步数解出则为1）”上，条件的效应显著（论文记载卡方值为17.654，p<0.001）。无帮助的对照组精度显著低于按钮型与计时器型两者（对照 vs 按钮的比值比为0.483，p=0.001；对照 vs 计时器为0.463，p<0.001）。从图表读取，对照组约为0.40，按钮型与计时器型均约为0.65。另一方面，按钮型与计时器型之间没有差异（比值比0.958，p=0.978）。简而言之，使用 AI 会让“操作更接近最优解”——作者们解释道，这是返回最优着法的 BFS 所带来的效果。

然而，表示谜题解开比例的“最大进度”在各条件间没有差异（p=0.934，三种条件均约为0.80〜0.82）。剩余预算反而是对照组更高，显著多于计时器型（比值比1.56，p=0.049）。也就是说，即便使用了 AI，也并未“解开更多题目”，也没有“节省更多预算”。可见 AI 起作用之处，始终只在于每一步操作的浪费更少而已。

出现差异的是主观感受方面。在使用结束后的评价问卷（7级量表）中，计时器型在全部五个类别上均比按钮型给出更高的平均分。例如“AI 的能力与可靠性”上，按钮型为4.6，计时器型为5.3；“帮助的有用性与效果”上，按钮型为4.08，计时器型为5.05。单纯比较时这些差异仅停留在接近显著的趋势上（有用性 p=0.097，帮助的质量与充分性 p=0.063，科恩 d=-0.576），但在对“所用帮助的次数”和“最大进度”进行统计学校正后，计时器型变得显著更高（有用性方面 p=0.028 与 p=0.039）。在行为层面，计时器型在呼叫 AI 之前的沉默时间（思考时间）更长（平均7.273秒，对比按钮型的4.661秒，p=0.009），这也表明请求帮助这一行为是“经过深思熟虑后的选择”。

使用场景——写给制作谜题/游戏的人

第一，把提示的“触发时机”当作一项设计变量来处理。如果你正在制作解谜游戏的教程或提示功能，那么除了按下即出现的提示按钮之外，并设一种“手部停止操作一定时间后，便悄悄给出玩家事先设定强度的提示”的无操作触发机制，是有价值的。本研究表明，即便是同样的帮助，自动触发型也会带来更好的印象。这在连“按按钮”都想不到的新手引导阶段，或许能够在不损害操作手感的前提下提供支持。

第二，应针对体验而非成绩进行 A/B 测试。这项研究最大的教训是“成绩相同，印象却不同”。在加入自动求解、跳过、自适应难度之类的辅助功能时，不应只验证“加不加”，还应验证“如何传递”。只盯着通关率看，会漏掉玩家满足感与自主感（自己在完成的感觉）上的差异。如果你正在制作超休闲游戏的难度调节功能，务必将满意度、主导权等指标与完成率并列测量。

第三，将保护玩家主导权的选项作为默认值。在对照组的自由描述中，许多人希望“只给一步的小提示”，有参与者表示“提示会剥夺解出谜题的满足感”，另一位参与者则说“要获得成就感，至少八成以上要靠自己动手”。提示功能的默认值宜偏向“只提示第一步”“最小限度的轻推”，避免整体代劳的行为。此外，由于存在把 AI 当作“工具”来使用与把 AI 当作“教练”来学习这两类人，也可以考虑准备一个切换选项。

第四，为提示附上一句“理由”。多名参与者将“看不懂 AI 落子的意图”列为最大的不满，甚至有人怀疑“是不是故意指了个坏棋”。即便是 BFS 给出的最优着法，若没有说明也会招致不信任。若是由求解器给出提示的解谜游戏，只需为每一步附上诸如“这一步是移开挡住出口的纵向车辆”这样的简短注释，就有可能提升信任感与理解度。而预算机制本身——对时间与提示都收取代价、使提示成为稀缺的货币——也可以作为一种促使玩家深思熟虑的设计模式来加以应用。

局限——能说到什么程度

先看论文自身表现出的克制。“计时器型印象更好”这一主要结果，在单纯比较时只是未达显著的趋势（有用性 p=0.097，质量·充分性 p=0.063），是在对协变量进行校正后才变得显著的。也就是说，“计时器型更受青睐”确实是一个信号，但更准确的解读应是一种克制且有条件的效应。在成绩方面，AI 也只是提升了步数精度，并未改善解开比例或节省预算。作者们自己也指出，AI 辅助的优势主要在于用最优着法拉平了人类操作的波动。

以下是 Fukai 阅读后注意到的几点。第一，提供帮助的 AI 是“始终返回最短解的完美 BFS”。现实中的提示 AI 或游戏 AI 是会犯错的，也未必最优。就连完美的帮助者都未能被所有人评价为有用，那么不完美的 AI 在时机效应上很可能会呈现出不同的结果。第二，题材仅限 Rush Hour 一种，被试也只是 Prolific 平台上的66人、约30分钟这样有限的设定。谜题类型、游玩时长、文化背景一旦发生变化，人们对无操作触发机制的接受程度也可能随之改变。第三，把无操作时间视为“正在思考的时间”这一前提虽然合理，却未能与因无聊或想要离开而产生的沉默完全区分开。我认为，在把这些结果搬到自己的游戏中时，应当把以上几点考虑进去、适当打些折扣。

Fukai 的解读

在此先声明这是我个人的解读。我想把这项研究定位为，把教育工学中所谓的“帮助的两难”（提示给得早会减少学习效果，给得晚则会导致卡关的权衡）翻译成了游戏辅助设计的语汇。有趣的是，问题的重心已经从“AI 能多聪明地解题”转移到了“AI 何时开口”。无论求解器的精度多高，只要传递方式不当，玩家的体验就不会变好——我认为，这悄然表明，把 AI 搭载进游戏这项工作，既是能力问题，也从头到尾都是交互设计的问题。

结语

写给想深入了解的读者。若想看清混合主导与游戏制作的交汇之处，由人类与 AI 共同进行关卡设计的『Baba is Y'all』系列研究会是一份地图。“帮助的两难”的原始文献是 Koedinger 与 Aleven 关于认知辅导系统（cognitive tutor）的研究，可以从教育视角把握同一个问题。将人类与 AI 的互动类型整理为“间歇性、连续性、主动性”的 van Berkel 等人的框架，也是本文的骨架之一。而将“主动型 AI 的帮助反而可能构成威胁（Help Backfires）”这一相对的论述并列阅读，便能立体地看清计时器型受欢迎的理由，以及它并非万能的理由。

参考文献

本文参考的论文与相关资料：

・How Users Perceive Mixed-Initiative AI: Attitudes Toward Assistance in Problem Solving (Yunhao Luo, Arthur Caetano, Avinash Ajit Nargund, Tobias Höllerer, Misha Sra, 2026, IUI '26)

・DOI: 10.1145/3742413.3789224 (ACM, IUI '26 peer-reviewed)

・相关研究：Baba is Y'all 2.0: Design and Investigation of a Collaborative Mixed-Initiative System (Charity et al., 2022)

・相关研究：Proactive AI Adoption can be Threatening: When Help Backfires (2025)