実在の人間と機械のチーミングでは、予測困難な人間パートナーと協調できるエージェントが求められる。論文は、既存の二つの主要なアプローチにそれぞれコスト上の問題があると指摘する。一つは実時間の人間フィードバックや大規模な行動データセットを用いた強化学習であり、もう一つは純粋にシミュレーション上で訓練する方法である。後者は人工的な慣習に過適合し、実在の人間とのゼロショット協調に失敗しやすい。
そこで著者らは「認知制約パートナー（Cognitively Constrained Partners）」に対してチーミングエージェントを訓練する枠組みを提案する。このシミュレーション上のパートナーの多様性は、報酬整形や過去の訓練チェックポイントの再利用ではなく、人間の生理学文献に根拠を置く手続き的制約から生まれる。具体的には反応遅延と知覚的制約である。つまりパートナー間の行動の差異は、人間の知覚・反応能力に実在する限界に由来しており、人為的に設計された報酬構造には依存しない。著者らはこの設計により、シミュレーション上のパートナーが実在の人間の行動分布に近づくと考える。
実験では、改変した Lunar Lander 環境を用いて検証が行われた。予備的な証拠によれば、認知制約パートナーは無制約エージェントよりも実在の人間に近いプレイを示す。さらに重要な点として、彼らで訓練されたエージェントは最強のクロスプレイ基線と同等の性能を示し、かつ訓練パートナーの生成方法に性能が依存しない唯一の手法であった。これはパートナーの生成方法に対する頑健性を示唆する。
論文はさらに、人間参加者による研究の設計についても述べている。この研究は、その順位付けをクロスプレイの結果と直接比較できるように意図的に設計されており、協調研究で広く使われる標準評価指標であるクロスプレイが、実際の人間とエージェントのチーミング性能をどの程度予測できるかを検証する。著者らは、認知制約パートナーが実在の人間に近いという証拠は現時点では予備的なものだと強調している。
本論文は Ash Simmons ら3名による全30ページ、図6点、表5点の成果で、NeurIPS 2026 のワークショップ Human-AI Coevolution: Measuring Human-Agent Teams in the Agentic Era に採択された。主題は機械学習とヒューマン・コンピュータ・インタラクションにわたり、arXiv 番号は 2610.31726 である。