A Scoping Review of Mixed Initiative Visual Analytics in the Automation Renaissance
Oak Ridge National Laboratory（橡树岭国家实验室）；Peking University（北京大学）；University of Nottingham（诺丁汉大学）；Georgia Institute of Technology（佐治亚理工学院）；University of Waterloo（滑铁卢大学）
通过范围综述和集成分类法，揭示混合主动视觉分析系统中自动化程度与人类角色的关系，指出定义缺乏共识且协作交互潜力探索有限。
2026-06-09 cs.HC
Safe Handover in Mixed-Initiative Control for Cyber-Physical Systems
对于网络物理系统（CPS）及其用户之间的混合主动控制，机器如何安全地将控制权移交给人类仍然是一个悬而未决的问题。在这项工作中，我们提出了一个概念，以提供技术支持，使用人工智能的正式方法-描述逻辑（DL）和自动规划-更可靠地预测何时需要移交，并通过提前规划来增加提前通知。我们将其与人机交互（HCI）和自然语言生成（NLG）的方法相结合，以开发安全流畅的自动驾驶解决方案，并提供一个示例自动驾驶场景。研究设计提出了定性反馈，认知负荷和自动化的信任的评估。
2020-10-21 cs.HC
A Design Space for Intelligent Agents in Mixed-Initiative Visual Analytics
ETH Zürich（苏黎世联邦理工学院）；The Hong Kong University of Science and Technology（香港科技大学）
本文提出了一种混合倡议式可视化分析中智能代理的设计空间框架，通过系统回顾90个系统，提出了六个维度来表征代理能力，并为未来研究提供了方向。
2025-12-29 cs.HC
Mixed-Initiative Interaction = Mixed Computation
我们表明，部分评估可以有效地被视为一个编程模型，实现混合主动功能的交互式应用程序。两个参与者之间的混合主动交互是各方可以在任何时候轮流改变和引导交互流的交互。我们专注于方面的混合倡议被称为“不请自来的报告”，并演示了如何由用户的互动可以通过“跳跃”嵌套对话框（通过部分评估）。我们的方法允许查看对话管理系统的本地支持分期和简化的互动，我们使用这种观点的特点三种不同的基于语音的交互技术。特别是，我们表明，内置的形式解释算法（FIA）的VoiceXML对话管理架构实际上是一个（伪装）的解释器和部分评估器的组合。
2001-10-09 cs.HC cs.PL
Mixed Initiative Systems for Human-Swarm Interaction: Opportunities and Challenges
人群交互（HSI）涉及到许多影响人类行为的人为因素。随着HSI中使用的技术的进步，在交互中提高群体自治的水平以减少人类的工作量变得更加诱人。然而，高度自治对人类情境意识的预期负面影响可能会阻碍这一过程。灵活的自主性旨在通过在需要时改变交互中的自主性水平来权衡这些影响;混合主动性结合了人类偏好和自动化的建议，以在某个时间点选择适当的自主性水平。然而，混合主动系统的有效实施提出了一些基本问题，如如何将人类偏好和自动化建议结合起来，如何实现选定的自主水平，以及未来对人类认知状态的影响。我们探讨了阻碍发展有效灵活自治进程的公开挑战。然后，我们强调了在HSI中使用系统建模技术的潜在好处，说明它们如何为HSI设计师提供机会来评估不同的策略，以评估任务的状态，并适应互动中的自主性水平，以最大限度地提高任务成功指标。
2018-08-19 cs.HC
DuoZone: A User-Centric, LLM-Guided Mixed-Initiative XR Window Management System
VIDA, New York University（纽约大学）；New York University（纽约大学）；Department of Computer Science, Brown University（布朗大学计算机科学系）；Tandon School of Engineering, New York University（纽约大学坦登工程学院）；Visualization and Data Analytics Lab, New York University（纽约大学可视化与数据分析实验室）；Department of Computer Science, University of Maryland College Park（马里兰大学帕克分校计算机科学系）
针对现有XR窗口管理手动操作负担重的问题，提出双区域混合主动式系统DuoZone，结合LLM引导的自动化推荐与手动精准调整，经用户验证可提升效率、降低负荷并增强控制感。
2025-11-19 cs.HC
Soloist: Generating Mixed-Initiative Tutorials from Existing Guitar Instructional Videos Through Audio Processing
使用在线教学视频学习乐器已经变得越来越普遍。然而，预先录制的视频缺乏人类导师提供的即时反馈和个性化定制。此外，现有的视频导航没有针对乐器学习进行优化，使得学习体验受到阻碍。在我们对吉他演奏者和先前文献的形成性采访的指导下，我们设计了Soloist，这是一个混合主动学习框架，可以从现成的吉他视频课程中自动生成可定制的教程。Soloist将原始视频作为输入，并利用基于深度学习的音频处理来提取音乐信息。这种后端处理用于提供交互式可视化，以支持有效的视频导航和对用户表现的实时反馈，从而创建指导性学习体验。我们展示了Soloist在使用YouTube教学视频学习电吉他独奏领域的能力和具体用例。一项收集吉他手反馈的远程用户研究显示了令人鼓舞的结果，因为用户一致喜欢使用Soloist学习，而不是未转换的教学视频。
2021-01-21 cs.HC
Synergi: A Mixed-Initiative System for Scholarly Synthesis and Sensemaking
本文提出 Synergi 混合主动系统，将种子研究脉络、引文图谱与LLM结合以扩展并结构化文献脉络，帮助学者高效理解、定制和拓展研究线索。
2023-08-15 cs.HC
Color Maker: a Mixed-Initiative Approach to Creating Accessible Color Maps
针对现有颜色映射设计工具复杂度高或自定义性不足的问题，提出混合主动式工具ColorMaker，结合用户交互与实时优化生成兼顾偏好与规范的无障碍颜色映射，效果等同或优于标准方案，适配不同技能水平的设计师。
2024-01-26 cs.HC
Towards Friendly Mixed Initiative Procedural Content Generation: Three Pillars of Industry
虽然游戏行业正在朝着程序化内容生成（PCG）的方向发展，这些工具可以在Unreal，Unity或Houdini等流行平台上使用，而视频游戏如No Man's Sky和Horizon Zero Dawn则利用了PCG，但学术界和工业界之间的差距在沟通和共享方法方面仍然很大。其中一位作者曾在这一差距的两边工作，并努力缩短这一差距，增加两个部门之间的协同作用，他使用混合倡议接口为PCG确定了三个设计支柱。三大支柱是尊重设计师控制，尊重创意过程和尊重现有的工作流程。尊重设计师的控制是关于创建一个工具，提供足够的控制，以实现设计师的愿景。尊重创造性的过程本身就意味着有一个足够短的反馈回路，创造性的过程不会受到干扰。尊重现有的工作流程意味着PCG工具应该很容易地插件插入现有的资产管道。作为学者和传播者，令人惊讶的是，出版物通常不描述开发人员使用我们工作的方式，或者缺乏对工作如何适应现有内容管道的考虑。
2020-05-19 cs.HC
Boosting Mixed-Initiative Co-Creativity in Game Design: A Tutorial
本教程介绍了混合主动协同创造力（MI-CCy）在游戏设计中的应用指南，提出 MI-CCy Quantifier 框架评估协同创作工具水平，并指出了未来开发需解决的关键空白。
2025-08-14 cs.HC
Evaluating Mixed-Initiative Procedural Level Design Tools using a Triple-Blind Mixed-Method User Study
Swansea University（斯旺西大学）；British University Vietnam（越南英国大学）
结果从三盲混合方法的用户研究的有效性的混合主动工具的程序生成的游戏水平。一个工具，使用交互式进化优化生成的水平被设计用于这项研究（a）是专注于支持设计师探索设计空间和（b）只需要设计师与它交互设计水平。该工具在最初的手工设计地图中识别关卡设计模式，并使用该信息驱动交互式优化算法。一个严格的用户研究的目的是比较设计师使用混合主动工具的设计师谁得到了一个工具，提供完全随机的水平建议的经验。使用混合主动工具的设计师在关卡设计任务中表现出更高的参与度，报告说它在激发新想法和设计方向方面很有效。这提供了重要的证据表明，过程内容生成可以作为一个强大的工具，以支持人类的设计过程。
2021-06-02 cs.AI cs.HC cs.NE
Trust, Shared Understanding and Locus of Control in Mixed-Initiative Robotic Systems
University of Birmingham（伯明翰大学）；National Center for Nuclear Robotics（国家核机器人中心）
本文研究了如何信任，人类操作员和机器人之间的共享理解，控制点（LoC）的个性特质，发展和影响人机交互（HRI）在混合主动机器人系统。随着这些系统变得越来越先进，能够与人类操作员一起采取行动，机器人将从被视为工具转变为队友。因此，本文研究的团队导向的人的因素（即信任，共享的理解，和LoC）可以在高效的HRI中发挥至关重要的作用。在这里，我们提出了一个实验的结果，灵感来自灾难响应的情况下，操作员远程控制移动机器人在导航任务，无论是人类主动或混合主动控制，两个不同层次的自主权之间动态切换：遥控操作和自主导航。有证据表明，操作员信任并了解机器人系统，特别是在混合主动控制中，随着操作员对系统的熟悉程度和执行任务的能力的提高，信任和理解会随着时间的推移而增加。最后，证据和见解的LoC如何影响HRI。
2022-05-15 cs.HC cs.RO
Dango: A Mixed-Initiative Data Wrangling System using Large Language Model
提出混合主动多智能体系统Dango，通过多表演示、自然语言提示、LLM澄清问题和反馈机制，显著提升了数据整理的意图澄清、准确性和效率。
2025-03-06 cs.HC
Dupo: A Mixed-Initiative Authoring Tool for Responsive Visualization
Dupo 提出一种混合主动式响应式可视化创作方法，通过两步推荐流水线在保留用户自主性的同时自动生成跨屏幕设计建议，帮助作者避免过早固化并发现被忽略的满意设计。
2023-08-09 cs.HC
How Users Perceive Mixed-Initiative AI: Attitudes Toward Assistance in Problem Solving
University of California（加利福尼亚大学）
研究探讨了混合倡议式AI中帮助交付方式对用户感知的影响，发现预设定时器方式能提升用户对AI的积极评价，即使预算有限。
2026-02-01 cs.HC
HEPHA: A Mixed-Initiative Image Labeling Tool for Specialized Domains
提出混合主动图像标注工具HEPHA，通过归纳逻辑学习引导人类专业知识推断和优化标注规则，在专业和通用领域均优于基线方法。
2025-03-06 cs.HC
Mixed-Initiative Level Design with RL Brush
New York University（纽约大学）
本文介绍了RL Brush，这是一个为基于瓷砖的游戏设计的混合主动共同创作的关卡编辑工具。该工具使用基于学习的模型，通过添加人工智能生成的建议来增强手动人类水平设计。在这里，我们将RL Brush应用于设计经典益智游戏推箱子的关卡。我们把这个工具放在网上，在39个不同的会议上进行了测试。结果表明，使用人工智能建议的用户停留的时间更长，他们创建的关卡平均比没有人工智能建议的用户更容易玩，也更复杂。
2021-02-25 cs.AI cs.HC cs.LG
Designing Mixed-Initiative Video Games
Northeastern University（东北大学）；Santa Clara University（圣克拉拉大学）；College of Art, Media, and Design（艺术、媒体与设计学院）
本文通过原型游戏《Snake Story》将混合主动式共同创作游戏化，并通过受控实验发现游戏机制显著影响玩家策略、创作过程与角色感知，为混合主动式游戏设计提供启示。
2023-07-08 cs.AI cs.HC
AROMA: Mixed-Initiative AI Assistance for Non-Visual Cooking by Grounding Multi-modal Information Between Reality and Videos
AROMA 是一个 AI 系统，通过整合用户非视觉线索、可穿戴摄像头画面和视频食谱内容，采用混合主动方法为盲人或低视力人群提供实时烹饪辅助，帮助他们对齐物理环境与食谱步骤。
2025-07-15 cs.HC
Controllable Mixed-Initiative Dialogue Generation through Prompting
Columbia University（哥伦比亚大学）
针对混合主动对话中可控生成受限于标注成本的问题，提出用提示大型语言模型替代微调，形式化提示构建，在PersuasionForGood和情感支持对话任务上经人类评估和自动指标优于微调及真实响应。
2023-05-06 cs.AI cs.CL cs.HC
Mixed-Initiative variable autonomy for remotely operated mobile robots
University of Birmingham（伯明翰大学）；University of Oxford（牛津大学）
本文提出了一种专家引导的混合主动控制切换器（EMICS）的远程操作移动机器人。EMICS使得能够在由人类操作员和/或EMICS发起的任务执行期间在不同自主级别之间切换。EMICS的评估在两个灾难响应的启发实验，一个与模拟机器人和测试舞台，一个与真实的机器人在现实的环境中。从两个实验的分析提供的证据表明：a）人类主动（HI）系统优于系统与单一的操作模式，如纯遥操作，在导航任务; b）在模拟机器人实验的背景下，混合主动（MI）系统提供更好的性能在导航任务，提高操作员的认知要求的次要任务的性能，并改善操作员的工作量相比，HI。结果还加强了以前的人机交互证据的重要性，操作员的人格特质和他们的信任的自主系统。最后，我们的实验物理机器人提供了经验证据，确定MI控制的两个主要挑战：a）上下文感知MI控制系统的设计;和b）机器人的MI控制系统和操作员之间的控制冲突。对这些挑战的见解进行了讨论，并提出了应对这些挑战的方法。
2020-10-06 cs.HC cs.RO
A Hierarchical Variable Autonomy Mixed-Initiative Framework for Human-Robot Teaming in Mobile Robotics
University of West Attica（西阿提卡大学）；University of Manchester（曼彻斯特大学）；University of Birmingham（伯明翰大学）
本文提出了一种混合主动（MI）框架，用于解决远程人类操作员和人工智能智能体之间的控制权限转移问题时，合作控制移动机器人。我们的分层专家指导混合主动控制切换器（HierEMICS）利用人类操作员的状态和意图的信息。控制切换策略是基于一个关键层次。在高保真模拟灾难响应和远程检查的情况下进行了实验评估，比较HierEMICS与最先进的专家指导的混合主动控制切换器（EMICS）的背景下，移动机器人导航。结果表明，HierEMICS减少了人类和人工智能智能体之间的控制冲突，这是一个根本的挑战，在MI控制范式，也在相关的共享控制范式。此外，我们提供了统计学上显著的证据，证明航行安全性得到了改善（即，更少的冲突）、LOA切换效率以及用于控制减少的冲突。
2022-11-25 cs.AI cs.HC cs.MA
The Impact of Visualizing Design Gradients for Human Designers
混合主动程序内容生成（PCG）是指人类设计师使用算法来生成游戏内容的工具或系统。这一领域的研究仍然相对不足，大多数混合主动PCG级设计系统使用一组常见的基于搜索的PCG算法。在本文中，我们介绍了一个混合主动工具，采用穷举PCG（EPCG）的难题级设计，以进一步探讨混合主动PCG。我们进行了一项在线人类受试者研究，其中个人使用EPCG组件打开或关闭的工具。我们对结果的分析表明，尽管大多数用户不喜欢该工具，但它使关卡设计过程变得更加容易，并且该工具影响了受试者的设计过程。本文介绍了研究结果，并为混合主动式PCG工具设计提供借鉴。
2021-10-07 cs.AI cs.HC
Human operator cognitive availability aware Mixed-Initiative control
University of West Attica（西阿提卡大学）；University of Birmingham（伯明翰大学）
本文提出了一种用于远程操作移动机器人的认知可用性感知混合主动控制器。控制器可以在不同的自主级别（LOA）之间进行动态切换，由人工智能或人类操作员发起。控制器利用最先进的计算机视觉方法和现成的网络摄像头来推断操作员的认知可用性并通知AI发起的LOA切换。这是一个质的进步，比以前的混合主动（MI）控制器。该控制器在灾难响应实验中进行评估，在该实验中，人类操作员必须与远程机器人进行探索任务。MI系统被证明是有效地协助运营商，表现出定量和定性的结果和工作量。此外，评估复杂的MI控制器的实验困难的一些见解。
2021-08-26 cs.AI cs.HC cs.MA
Story Designer: Towards a Mixed-Initiative Tool to Create Narrative Structures
Malmö University（马尔默大学）；New York University（纽约大学）
叙事是游戏的主要组成部分，其设计在识别，编码，解释，评估和生成它们时提出了挑战。解决这个问题的一种方法是在更抽象的层面上进行叙事设计，比如叙事结构。本文介绍了故事设计师，一个混合主动的共同创造的叙事结构工具，建立在进化地牢设计师（EDD）的顶部，使用比喻，在许多媒体类型的叙事约定，设计这些结构。故事设计师使用比喻作为叙事设计师的构建块，通过将它们在称为叙事图的图形结构中相互连接来组成完整的叙事结构。我们的混合主动方法允许设计师手动创建他们的叙事图，并使用这些图形为底层进化算法提供信息，使用MAP-Elites创建质量多样化的建议。设计师可以直观地表示建议，以进行比较和评估，然后可以将其纳入设计中，用于进一步的手册版本。同时，我们使用EDD中设计的层次作为叙事结构的约束，将层次设计和叙事交织在一起。我们评估这些限制和系统的适应性和表现力的影响，从而在一个潜在的工具，以创建叙事结构相结合的水平设计方面的叙述。
2022-10-11 cs.AI cs.HC
MIVAIS: A Study Environment for Multi-Agent Mixed-Initiative Visual Analytics Applications
ETH Zürich（苏黎世联邦理工学院）
MIVAIS是双层研究平台，通过标准化人机交互等基础设施与自动记录多模态数据的研究环境，降低混合驱动视觉分析应用的开发与评估门槛，已复现相关系统并获专家验证。
2026-09-07 cs.HC cs.MA
LLMs are the Ideal Candidate for Mixed-Initiative Game Design Pillar Workflows
Technical University of Munich（慕尼黑工业大学）
本文探讨了LLM在游戏设计支柱工作流中的应用，提出SPINE原型，并通过实验验证其在早期开发阶段的价值，展示了LLM在生成和决策过程中的有效性。
2026-08-06 cs.HC
DocuTeam: Mixed-Initiative Multi-Agent Discussions around Evolving Documents
KAIST（韩国科学技术院）；Seoul National University（首尔国立大学）；SkillBench
DocuTeam提出混合主动多智能体讨论系统，用户与智能体均可发起对话，智能体监控文档变化主动引导讨论，实验证明其提升结果新颖性、相关性和具体性且不增加认知负荷。
2026-09-25 cs.AI cs.HC
ScholarMate: A Mixed-Initiative Tool for Qualitative Knowledge Work and Information Sensemaking
Computer Science, University of Toronto（计算机科学，多伦多大学）
ScholarMate是一种结合AI辅助与人类监督的交互式系统，旨在提升定性分析的效率和可解释性，通过动态文本片段管理与基于证据的主题命名，支持人机协作的意义建构任务。
2026-02-04 cs.AI cs.HC
PromptCrafter: Crafting Text-to-Image Prompt through Mixed-Initiative Dialogue with LLM
KAIST（韩国科学技术院）
针对文生图提示词创建效率低的问题，提出混合主动系统PromptCrafter，通过与LLM的迭代对话、澄清问题回应及历史回退功能，帮助用户高效探索模型能力并构建提示词，同时介绍了其设计与后续计划。
2023-07-18 cs.AI cs.HC
Mixed-Initiative Context: Structuring and Managing Context for Human-AI Collaboration
George Mason University（乔治梅森大学）；University of California, San Diego（加利福尼亚大学圣迭戈分校）；City University of Hong Kong（香港城市大学）
本文提出混合发起式上下文，通过结构化和可操作的交互对象，动态组织协作流程中的上下文，提升人机协作效率与可控性。
2026-04-08 cs.AI cs.HC
Towards an Understanding and Explanation for Mixed-Initiative Artificial Scientific Text Detection
Zhejiang University（浙江大学）；Hong Kong University of Science and Technology（香港科技大学）
针对机器生成科学文本难检测、泛化差且协作解释不足的问题，本文通过定量实验识别文本差异，提出结合专家知识与机器智能的混合主动式可视化分析工作流，并经案例与用户研究验证其有效性。
2023-04-11 cs.CL cs.HC
VeriForge: Mitigating Latent Knowledge Gaps in Narrative Drafting via Mixed-Initiative Scaffolding
Southern University of Science and Technology（南方科技大学）
VeriForge是混合式主动写作系统，通过主动内联高亮、双流查询、空间知识画布三种机制，帮助作者识别叙事创作中的潜在知识缺口，提升领域知识整合能力，获用户与专家认可。
2026-08-11 cs.CL cs.HC
Preference-Learning Emitters for Mixed-Initiative Quality-Diversity Algorithms
本文提出偏好学习发射器（PLEs）通用框架，将其集成到交互式约束 MAP-Elites 系统中，通过学习设计师偏好并自动化生成步骤，在保持设计意图一致的同时加速混合主动式共同创作搜索，并在《太空工程师》游戏中通过用户研究验证了方法有效性。
2023-04-15 cs.HC cs.NE
Specifying and Staging Mixed-Initiative Dialogs with Program Generation and Transformation
University of Dayton（代顿大学）
灵活的人机对话，如在信息亭和智能手机应用程序中使用的对话，是具有挑战性的，因为每个用户可能会引导对话的许多不同的方向。本研究的目的是改善对话规范和实现。为了做到这一点，我们丰富了一个符号的基础上的概念，从程序设计语言，特别是部分评估，指定各种主动报告，混合主动对话框中的一个简洁的表示，作为一个设计的对话实现。我们还建立了一个对话挖掘系统，从需求中提取这种符号的规范。为了证明这样的规范提供了一个对话实现的设计，我们建立了一个系统，自动生成一个对话的实现，称为stager，从it.These两个组件构成一个对话建模工具包，自动对话规范和实现。这些结果提供了一个概念的证明，并展示了从程序设计语言的角度研究对话规范和实现。在旅游、教育和医疗保健等领域，对话框无处不在，再加上对智能手机应用程序的需求，为进一步研究这些结果提供了一个前景。
2015-12-21 cs.AI cs.HC cs.PL
Analysing Mixed Initiatives and Search Strategies during Conversational Search
University of Amsterdam（阿姆斯特丹大学）；University of Strathclyde（思克莱德大学）；University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；Microsoft（微软）
用户和会话搜索代理之间的信息搜索会话由多轮交互组成。当用户发起搜索会话时，理想情况下，CSA有时应该通过提供查询建议或要求查询澄清（即混合主动性）来获得用户的反馈，从而在对话中发挥主导作用。这创造了更吸引人的对话搜索的潜力，但由于大的交互空间加上不同交互的成本和收益之间的权衡，大大增加了建模和评估此类场景的复杂性。在本文中，我们提出了一个对话搜索模型-从我们实例化不同的观察到的对话搜索策略，其中代理elections：（i）反馈第一，或（ii）反馈后。使用49个TREC WebTrack主题，我们进行了一项分析，比较这些不同的策略与不同的混合主动方法的结合程度：（i）查询建议与（ii）查询澄清。我们的分析表明，没有优越或占主导地位的组合，相反，它表明，查询澄清是更好的时候问第一，而查询建议是更好的时候，提出结果后。我们还表明，最好的策略和方法取决于查询和反馈之间的相对成本，初始查询的性能，每个查询的评估数量，以及所需的总收益之间的权衡。虽然这项工作突出了分析CSA所涉及的复杂性和挑战，但它为在批处理/离线设置中评估会话策略和会话搜索代理提供了基础。
2021-09-13 cs.CL cs.HC cs.IR
Integrating Prior Knowledge in Mixed Initiative Social Network Clustering
我们提出了一种新的方法-称为PK聚类-帮助社会科学家在社交网络中创建有意义的集群。存在许多聚类算法，但大多数社会科学家发现它们难以理解，并且工具不提供任何指导来选择算法，或考虑科学家的先验知识来评估结果。我们的工作介绍了一种新的聚类方法和一个可视化的分析用户界面，解决这个问题。它是基于一个过程，1）捕捉科学家的先验知识作为一组不完整的集群，2）运行多个聚类算法（类似于聚类集成方法），3）通过每个算法与先验知识的匹配程度来可视化所有算法的结果，4）评估用户选择的算法之间的一致性，以及5）允许用户查看细节并迭代地更新所获取的知识。我们描述了我们的方法，使用一个初始的功能原型，然后提供两个例子的使用和早期反馈的社会科学家。我们相信我们的聚类方法提供了一种新的建设性方法，迭代地构建知识，同时避免过度受经常随机选择的黑盒聚类算法的结果的影响。
2021-05-17 cs.HC cs.SI
BONSAI: A Mixed-Initiative Workspace for Human-AI Co-Development of Visual Analytics Applications
ETH Zürich（苏黎世联邦理工学院）
BONSAI通过模块化四层架构和四阶段开发流程，结合人类和AI开发者的自主性，实现高效可视化分析应用的开发与重构。
2026-04-21 cs.HC cs.MA cs.SE
Mixed-Initiative Dialog for Human-Robot Collaborative Manipulation
UT Austin（得克萨斯大学）；OpenAI；NYU（纽约大学）；University of Edinburgh（爱丁堡大学）
MICoBot通过混合发起对话范式提升人机协作任务的成功率和用户体验。
2026-02-27 cs.CL cs.HC cs.LG
Beyond Following: Mixing Active Initiative into Computational Creativity
Georgia Institute of Technology（佐治亚理工学院）
本研究在混合主动性协同创作系统中，利用强化学习开发了一个多臂老虎机智能体，通过在线学习人类创作者的责任偏好并主动切换协作能力，显著提升了39名参与者的整体满意度与协作理解。
2024-09-06 cs.AI cs.HC
Designer Modeling through Design Style Clustering
Malmö University（马尔默大学）；New York University（纽约大学）
我们建议在混合主动游戏内容创作工具中建模设计师风格作为原型设计痕迹。这些设计痕迹被公式化为设计风格之间的过渡;这些设计风格反过来又通过聚类所有中间设计来找到，从而形成完整的设计。这种方法在Evolutionary Dungeon Designer中实现，这是一个混合主动系统的研究平台，用于创建冒险和地牢爬虫游戏。我们以房间设计风格的形式呈现结果，可以对其进行分析以更好地了解用户设计的房间类型，以及这些房间之间的原型序列的形式，即，设计师人物角色。
2022-01-20 cs.AI cs.HC
Analysing the Effect of Clarifying Questions on Document Ranking in Conversational Search
University of Amsterdam（阿姆斯特丹大学）
最近对会话搜索的研究强调了混合主动性在会话中的重要性。为了实现混合主动性，系统应该能够向用户提出澄清问题。然而，在对文档进行排名时，还没有分析基本排名模型（支持对话式搜索）解决这些澄清问题和答案的能力。为此，我们分析了一个词汇排名模型的会话搜索数据集的性能与澄清的问题。我们调查，定量和定性，澄清问题和用户的答案的不同方面如何影响排名的质量。我们认为，需要有一些细粒度的治疗整个会话轮的澄清，明确的反馈的基础上，这是目前在这种混合的主动设置。根据我们的研究结果，我们引入了一个简单的基于知识的词汇基线，显着优于现有的天真基线。我们的工作旨在提高我们对这一特定任务中存在的挑战的理解，并为设计更合适的会话排名模型提供信息。
2020-08-11 cs.AI cs.CL cs.HC
GPT for Games: A Scoping Review (2020-2023)
College of Art, Media, and Design（艺术、媒体与设计学院）；Northeastern University（东北大学）
本文通过综述55篇文章，系统梳理了2020至2023年GPT在游戏中的五类关键应用，并为各领域提出未来研究方向，以推动游戏开发与玩家体验的创新。
2024-04-27 cs.AI cs.HC
Making Multimodal LLMs Reliable Chart Data Extractors: A Benchmark and Training Framework
Zhejiang University（浙江大学）；Guangdong University of Technology（广东工业大学）
针对多模态大语言模型在图表数据提取中数值精度不足的问题，提出渐进式学习训练框架，显著提升7B参数模型的准确率，达到最优性能。
2026-06-29 cs.AI cs.HC
Exploiting Simulated User Feedback for Conversational Search: Ranking, Rewriting, and Beyond
针对对话式搜索系统缺乏用户交互数据、难以整合用户反馈的问题，本研究提出基于ConvSim用户模拟器的多轮交互框架，实验证实反馈可显著提升检索性能，并发布3万余条交互转录数据以支持后续研究。
2023-05-07 cs.HC cs.IR
