在真实场景中，人机协作的成败往往取决于智能体能否与行为难以预测的人类伙伴配合。论文指出，现有两条主流路径各有代价：一是从实时人类反馈中做强化学习，二是依赖大规模人类行为数据集，两者成本都很高；而完全在模拟环境中训练，则容易过拟合到人为形成的约定俗成，一旦面对真人就会出现零样本协作失败。
为此，作者提出了一套训练框架，其核心是所谓「认知受限伙伴」（Cognitively Constrained Partners）。这些模拟伙伴并不是通过奖励塑形或复刻历史训练检查点来制造差异，而是让多样性直接产生于程序化约束——这些约束的依据来自人类生理学文献，主要包括反应延迟和感知局限。换言之，伙伴之间的行为分化源自人类感知与反应能力的真实限制，而非人为设计的奖励结构。作者认为，这种做法能让模拟伙伴更接近真实人类的行为分布。
在实验层面，研究团队改造了 Lunar Lander 环境来验证这一思路。初步证据显示，这些认知受限伙伴的玩法比无约束智能体更接近真人。更关键的是，用它们训练出来的智能体在表现上可与最强的交叉对战（cross-play）基线相匹敌；同时，它是唯一一个性能不依赖于训练伙伴如何生成的方案，这一点意味着该方法对伙伴生成方式具有一定稳健性。
论文还描述了一项人类被试研究的设计。该研究被刻意安排成其排序结果可以与交叉对战结果直接对比，从而检验交叉对战这一在协作研究中被广泛使用的标准评测指标，究竟能在多大程度上预测真实的人机协作表现。作者强调，目前关于认知受限伙伴更接近真人的证据仍属初步性质。
该论文由 Ash Simmons 等三位作者完成，共 30 页、6 幅图、5 张表，已被 NeurIPS 2026 的 Human-AI Coevolution: Measuring Human-Agent Teams in the Agentic Era 研讨会接收，主题涵盖机器学习与人机交互，arXiv 编号为 2610.31726。