在真實場景中，人機協作的成敗往往取決於智慧體能否與行為難以預測的人類夥伴配合。論文指出，現有兩條主流路徑各有代價：一是從即時人類反饋中做強化學習，二是依賴大規模人類行為資料集，兩者成本都很高；而完全在模擬環境中訓練，則容易過擬合到人為形成的約定俗成，一旦面對真人就會出現零樣本協作失敗。
為此，作者提出了一套訓練框架，其核心是所謂「認知受限夥伴」（Cognitively Constrained Partners）。這些模擬夥伴並不是透過獎勵塑形或復刻歷史訓練檢查點來製造差異，而是讓多樣性直接產生於程式化約束——這些約束的依據來自人類生理學文獻，主要包括反應延遲和感知侷限。換言之，夥伴之間的行為分化源自人類感知與反應能力的真實限制，而非人為設計的獎勵結構。作者認為，這種做法能讓模擬夥伴更接近真實人類的行為分佈。
在實驗層面，研究團隊改造了 Lunar Lander 環境來驗證這一思路。初步證據顯示，這些認知受限夥伴的玩法比無約束智慧體更接近真人。更關鍵的是，用它們訓練出來的智慧體在表現上可與最強的交叉對戰（cross-play）基線相匹敵；同時，它是唯一一個效能不依賴於訓練夥伴如何生成的方案，這一點意味著該方法對夥伴生成方式具有一定穩健性。
論文還描述了一項人類被試研究的設計。該研究被刻意安排成其排序結果可以與交叉對戰結果直接對比，從而檢驗交叉對戰這一在協作研究中被廣泛使用的標準評測指標，究竟能在多大程度上預測真實的人機協作表現。作者強調，目前關於認知受限夥伴更接近真人的證據仍屬初步性質。
該論文由 Ash Simmons 等三位作者完成，共 30 頁、6 幅圖、5 張表，已被 NeurIPS 2026 的 Human-AI Coevolution: Measuring Human-Agent Teams in the Agentic Era 研討會接收，主題涵蓋機器學習與人機互動，arXiv 編號為 2610.31726。