RL-KLM: 基于强化学习的按键级建模自动化方法

按键级模型(KLM)是预测图形用户界面任务完成时间的流行模型，将任务完成时间预测为基础算子的线性函数。然而，算子执行策略需要由分析人员预先指定。本文研究强化学习(RL)作为自动获取策略的算法方法。我们将KLM定义为马尔可夫决策过程，并证明使用RL方法求解时，该方法在简单但真实的交互任务中产生类似用户的策略。RL-KLM提供了一种快速获取用户性能全局上界的方法，为在计算交互中使用KLM开辟了新的可能性。然而，可扩展性和有效性仍是待解决的问题。