行动、确认还是停止？AI 助手、可穿戴设备与机器人的更智能行为——Amit Desai, Roku

Amit Desai 在演讲中提出，提升 AI 助手体验存在两个相互独立的调节维度：一是准确率（唤醒词、识别、理解逐层优化），二是系统在不确定时决定如何行动。他以 1000 次音乐请求为例：790 次能播放正确歌曲，若系统始终执行，错误无法避免；若允许系统在低置信度时拒绝执行（如回复“没听清”），则需要设定置信度阈值。直觉上合理的 65% 阈值实际劣于最优的 43%。该框架强调不同错误后果并不等价，播放错误歌曲的代价与拒绝执行的代价需要区别对待。

AI推荐理由 来自 AI Engineer 频道的技术演讲，核心观点具体且可验证：在准确率固定为 79% 的前提下，通过引入“不确定时拒绝执行”的决策机制（置信度阈值），可将用户痛点降低近一半；并指出直觉选择的 65% 阈值劣于实际最优的 43%。这为语音助手、可穿戴设备和机器人等交互系统提供了独立于模型精度的第二优化维度，对 Agent 与 AI 应用落地有实际参考价值。局限在于内容为演讲摘要，缺少完整实验设置与统计细节，且未提供可复现数据。