规划智能体应如何通过 ReSHAPE 重塑搜索空间？

基于摘要分析。本文研究规划智能体是否应在规划前，通过与用户交互修订初始需求，以纳入原先被排除但用户实际可接受的计划。作者提出 ReSHAPE 任务及实例构建工具 ReSHAPE Planter，将需求修订的质量与后续规划结果联系起来评估。 核心机制是先修订需求、再执行规划：用户初始需求并非固定且完整的偏好表达，智能体需要识别用户愿意接受的取舍。ReSHAPE 从两个方面评价修订：修订后的搜索空间与用户可接受计划的匹配程度，以及规划器在该空间内实际找到的计划。ReSHAPE Planter 将既有规划基准转换为这一任务的实例；摘要未提供匹配度的具体计算方式、模拟用户构造方法或规划器实现。 作者报告，在作为概念验证的 88 个旅行规划实例上，分析了来自十四个智能体系统、四种交互协议的 5,368 份需求描述。作者报告，用户研究中参与者的多数选择持续与模拟用户一致，但用户研究规模、招募方式及一致性指标尚未验证。作者还报告，在其评估设置下，识别一个正确取舍可使同一规划器找到可接受计划的频率达到原来的四倍，搜索空间质量与规划结果的相关性为 ρ = .86；具体对照条件、相关性计算单位及统计不确定性尚未验证。 作者的分析认为，现有智能体只能找回少量被初始需求排除的可接受计划，原因在于它们倾向于询问偏好而非展示具体计划；即便测试取舍，也很少找到用户愿意接受的那一项。这提示需要区分偏好询问能力、取舍识别能力与规划能力，而不能仅依据最终计划评价整个交互流程。 本文主要研究对象是旅行规划中的需求修订与搜索空间评估，并非 EEG 信号建模或 BCI 解码。摘要没有提供可直接对应 EEG 瓶颈的方法机制，因此不据此推导 BCI 有效性或迁移实验。实验协议、消融及统计信息尚未验证，复现所需的实例生成细节、交互协议和实现可用性也需核对全文。