本研究提出了一种新的零样本人机协调方法，解决了未知环境中的泛化能力问题。通过改进效用函数和合作玩家采样策略，显著提升了自我代理与人类的协调性能，实验结果优于其他基线模型。

现代AI系统通常缺乏泛化能力和可解释性。研究人员通过引入PLLB框架，使AI代理能够生成捕捉最有回报行为背后策略的语言规则。PLLB代理展示了更可解释和具有泛化性的行为，并能与人类用户共享所学规则，实现更有效的人机协调。