Designing Gaze Analytics for ELA Instruction: A User-Centered Dashboard with Conversational AI Support
Trinity University(特里尼蒂大学);St. Mary's University(圣玛丽大学);Vanderbilt University(范德比大学)
本研究针对眼动数据在课堂教育技术中应用不足的问题,通过五项师生参与的研究迭代设计了带LLM驱动对话智能体的ELA眼动学习分析仪表盘,验证了其教学价值并给出设计启示。
2025-09-03 cs.AI cs.HC
Architecting Conversational Data Systems for Stateless LLM APIs: The Hydration Proxy Pattern
Google Cloud(谷歌云)
针对企业平台转向对话式推理接口时无状态LLM API带来的架构缺口,研究提出Hydration Proxy模式及上下文稳定指令,以平衡平台对话数据主权与KV缓存的权衡。
2026-09-03 cs.AI cs.SE
Dialogic Pedagogy for Large Language Models: Aligning Conversational AI with Proven Theories of Learning
本文综述LLM对话代理在教育中的应用,结合维果茨基、苏格拉底和劳里拉德理论,提出通过提示设计和RAG对齐教学法,弥合理论与实践的差距。
2025-06-24 cs.AI cs.CL cs.HC
Personas Evolved: Designing Ethical LLM-Based Conversational Agent Personalities
Northeastern University(东北大学);University of Luxembourg(卢森堡大学);University of Bremen(不来梅大学)
针对基于大语言模型的对话代理人格引发的伦理问题,本研讨会旨在通过跨学科对话,制定伦理准则与框架,以促进透明、包容且以用户为中心的交互设计。
2025-02-27 cs.AI cs.HC cs.LG
Dynamic benchmarking framework for LLM-based conversational data capture
本文提出一个动态基准测试框架,通过合成用户交互评估基于LLM的对话智能体在信息提取、上下文感知和自适应参与上的表现,并在贷款场景中验证了自适应策略能提升数据提取准确性。
2025-02-04 cs.AI cs.CL
Learning When to Retrieve, What to Rewrite, and How to Respond in Conversational QA
TU Delft(代尔夫特理工大学);Amazon(亚马逊公司)
本文提出SELF-multi-RAG方法,使LLMs在对话式问答中能自主决定何时检索、重写对话并评估返回段落,相比单轮变体在响应生成质量上提升约13%。
2024-09-23 cs.AI cs.CL
Revolutionizing Mobile Interaction: Enabling a 3 Billion Parameter GPT LLM on Mobile
IPLeiria(莱里亚理工学院)
针对云端大语言模型的延迟与隐私问题,提出创新推理方法,通过原生代码与模型量化,让30亿参数微调GPT大语言模型可在4GB内存移动设备端侧运行,兼具通用助手与文本转动作功能,为隐私友好的移动AI应用开辟可能。
2023-09-29 cs.AI cs.CL cs.LG
Conversational Planning for Personal Plans
Google DeepMind(谷歌DeepMind);Google(谷歌)
本文提出一种以LLM为元控制器、工具增强选项策略执行宏动作的对话式规划架构,用于长期个人计划的适应性规划,并应用于辅导和健康教练场景。
2025-02-26 cs.AI cs.CL cs.HC
Non-Markov Multi-Round Conversational Image Generation with History-Conditioned MLLMs
本研究提出非马尔可夫多轮对话图像生成方法,通过历史条件化框架和数据构建策略提升多轮一致性与指令遵循性,同时保持单轮编辑能力。
2026-01-28 cs.AI cs.CV
Goal Alignment in LLM-Based User Simulators for Conversational AI
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文提出UGST框架,通过三阶段方法改进用户模拟器的目标对齐能力,并在两个基准测试中取得显著成效。
2026-03-08 cs.AI cs.CL
Conversational Control with Ontologies for Large Language Models: A Lightweight Framework for Constrained Generation
本文提出一种轻量级框架,通过对话相关本体定义实现对LLM输出的模块化和可解释控制,通过建模关键方面作为约束并微调LLM,提升对话生成的可控性和可解释性。
2026-04-06 cs.AI cs.CL
Towards Data Distillation for End-to-end Spoken Conversational Question Answering
Yale University(耶鲁大学);Peking University(北京大学)
在口语问答中,QA系统被设计为回答来自相关语音转录内的连续文本跨度的问题。然而,人类寻求或测试知识的最自然的方式是通过人类对话。因此,我们提出了一个新的口语会话问答任务(SCQA),旨在使问答系统模型的复杂的对话流给定的语音话语和文本语料库。在这项任务中,我们的主要目标是建立一个问答系统来处理口语和文本形式的会话问题,并探索在口语文档中提供更多线索与信息收集系统的可行性。为此,而不是采用自动生成的语音转录与高噪声数据,我们提出了一种新的统一的数据蒸馏方法,DDNet,直接融合音频文本功能,以减少自动语音识别假设和参考转录之间的错位。此外,为了评估问答系统在对话式交互中的能力,我们组装了一个口语会话问答(口语CoQA)数据集,其中包含超过12万个问答对。实验表明,我们提出的方法取得了优越的性能在口语会话问答。
2020-10-18 cs.AI cs.CL eess.AS
OnGoal: Tracking and Visualizing Conversational Goals in Multi-Turn Dialogue with Large Language Models
Georgia Institute of Technology(佐治亚理工学院);Adobe Research(Adobe研究)
本文提出 OnGoal 聊天界面,通过实时目标对齐反馈、评估解释和进展概览帮助用户管理 LLM 多轮对话目标,实验表明其能减少达成目标的时间与精力,并增强参与度和韧性。
2025-08-28 cs.AI cs.HC cs.LG
Enhancing Conversational Search: Large Language Model-Aided Informative Query Rewriting
University College London(伦敦大学学院);University of Liverpool(利物浦大学);Uppsala University(乌普萨拉大学)
本文提出利用大语言模型作为查询重写器,通过精心设计的指令生成信息性查询重写,并采用“先重写后编辑”过程和模型蒸馏降低延迟,在QReCC数据集上显著提升了对话式搜索的检索性能。
2023-10-18 cs.AI cs.CL cs.HC
Mitigating Conversational Inertia in Multi-Turn Agents
College of Computer Science and Technology, Zhejiang University, Hangzhou, China(浙江大学计算机科学与技术学院);University of Rochester, Rochester, NY, USA(罗切斯特大学)
本文研究了多轮代理中对话惯性问题,提出通过上下文偏好学习来校准模型偏好,以减少惯性并提升性能。
2026-05-18 cs.AI cs.LG
Interplay: Training Independent Simulators for Reference-Free Conversational Recommendation
University College London(伦敦大学学院);University of Sheffield(谢菲尔德大学);Missouri University of Science and Technology(密苏里科技大学)
本文提出一种无参考模拟框架,通过训练两个独立的LLM分别扮演用户和推荐系统,生成更真实多样化的对话数据,提升推荐系统质量与可扩展性。
2026-03-19 cs.AI cs.IR
A new conversational interaction concept for document creation and editing on mobile devices for visually impaired users
本文介绍了正在进行的开发的会话交互的概念,使视障用户可以轻松地创建和编辑文本文件的移动设备上使用主要是语音输入。为了验证这一概念,基于自然语言理解(NLU)平台Google Dialogflow,开发了一个原型应用程序,并在iOS和Android系统上进行了测试。应用程序和交互概念由有视觉障碍和没有视觉障碍的用户反复测试。根据他们的反馈,这一概念在两个移动平台上不断完善、调整和改进。在一个迭代的以用户为中心的设计方法,以下研究问题进行了调查:视力受损的用户可以主要依靠语音命令,以有效地创建和编辑移动设备上的文档?用户测试发现,基于会话语音命令的交互概念对于视障用户来说是简单和直观的。然而,也有人发现,仅仅依靠语音命令会产生自己的障碍,手势和语音交互的组合会更强大。未来的研究和更广泛的可用性测试应在视障用户中进行,以优化互动的概念。
2023-01-06 cs.HC
AURA: Unified Multimodal Framework for Conversational Music Editing
Aalto University(阿尔托大学);Technical University of Denmark(丹麦技术大学);University of South Dakota(南达科他大学);OpenRB Lab(OpenRB实验室)
AURA提出统一多模态框架,利用多模态大语言模型和概念令牌实现对话式音乐编辑,仅优化9100万参数,在Slakh2100和MoisesDB上显著提升编辑正确性与内容保留。
2026-09-15 cs.AI cs.SD eess.AS
Conversational AI-Enhanced Exploration System to Query Large-Scale Digitised Collections of Natural History Museums
School of Computer Science, University of Technology Sydney(技术科技大学计算机科学学院);School of Design, University of Technology Sydney(技术科技大学设计学院);Australian Museum Research Institute, Australian Museum(澳大利亚博物馆研究 institute, 澳大利亚博物馆);Australian Museum(澳大利亚博物馆)
本文提出利用对话式AI查询自然历史博物馆大规模数字化收藏的系统,通过交互式地图和自然语言代理实现高效的数据检索与探索。
2026-03-11 cs.AI cs.CY cs.DL
Quant.npu: Enabling Efficient Mobile NPU Inference for on-device LLMs via Fully Static Quantization
Qualcomm(高通)
本文提出Quant.npu框架,通过完全静态量化方法实现高效的移动NPU推理,解决了传统后训练量化方法在NPU硬件约束下的兼容性问题,并在实际移动NPU上实现了较高的准确性和较低的推理延迟。
2026-05-19 cs.AI cs.LG
What should I wear to a party in a Greek taverna? Evaluation for Conversational Agents in the Fashion Domain
Zalando SE(扎兰多公司)
针对时尚领域对话智能体的服务调用能力评估缺乏高质量数据集的问题,研究构建了含4000组多语言对话的电商时尚评估数据集,验证了其适配业务需求、助力工具迭代的价值。
2024-08-13 cs.AI cs.CL cs.HC
From Sound to Symptom: Real-Time Respiratory Signal Understanding for Conversational Healthcare Agents
Hippocratic AI(希波克拉底人工智能公司)
提出面向对话式医疗智能体的HealthCUES系统,可实时检测分析咳嗽等呼吸信号,经内部与外部数据集评估及医疗人员验证,性能优异且具临床实用性。
2026-08-28 cs.AI cs.CL cs.HC
Towards the "Digital Me": A vision of authentic Conversational Agents powered by personal Human Digital Twins
Technical University of Denmark(丹麦技术大学);School of Design(设计学院);University of Strathclyde(斯特拉斯克莱德大学);Department of Design, Manufacturing and Engineering Management(设计、制造与工程管理系)
本文提出一种集成大型语言模型与动态个人数据的人类数字孪生系统架构,通过上下文感知记忆检索和自适应学习等机制,构建能镜像个人对话风格与记忆的真实对话智能体,并探讨其隐私与伦理挑战。
2025-06-30 cs.AI cs.CY cs.ET
TAMUSA-Chat: A Domain-Adapted Large Language Model Conversational System for Research and Responsible Deployment
Texas A&M University–San Antonio(德克萨斯A&M大学-圣安东尼奥分校);Utah Valley University(犹他谷大学)
TAMUSA-Chat是一个面向研究和负责任部署的领域适应大型语言模型对话系统,通过监督微调、检索增强生成和系统化评估方法,解决机构环境中的关键挑战。
2026-02-14 cs.AI cs.CL cs.LG
End-to-end Spoken Conversational Question Answering: Task, Dataset and Model
Tencent(腾讯);Peking University(北京大学);Yale University(耶鲁大学)
在口语问答中,系统被设计为回答来自相关语音转录内的连续文本跨度的问题。然而,人类寻求或测试知识的最自然的方式是通过人类对话。因此,我们提出了一个新的口语会话问答任务(SCQA),旨在使系统能够模拟复杂的对话流的语音文件。在这项任务中,我们的主要目标是建立一个系统来处理会话问题的基础上的音频记录,并探讨在信息收集系统提供更多的线索,从不同的模态的可行性。为此,而不是直接采用自动生成的语音转录与高噪声数据,我们提出了一种新的统一的数据蒸馏方法,DDNet,有效地摄取跨模态信息,以实现细粒度的语音和语言模态的表示。此外,我们提出了一个简单而新颖的机制,称为双重注意,通过鼓励更好的音频和文本之间的对齐,以减轻知识转移的过程。为了评估SCQA系统在对话式交互中的能力,我们组装了一个口语会话问答(Spoken-CoQA)数据集,其中包含来自4k个会话的超过40 k个问答对。现有的最先进的方法的性能显着降低我们的数据集,因此证明了跨模态信息集成的必要性。我们的实验结果表明,我们提出的方法在口语会话问答任务中取得了优异的性能。
2022-04-29 cs.AI cs.CL cs.SD
Script-Based Dialog Policy Planning for LLM-Powered Conversational Agents: A Basic Architecture for an "AI Therapist"
Aury(奥里公司);HMU Health and Medical University Erfurt(埃尔福特HMU健康与医科大学)
本研究提出基于脚本的对话策略规划范式,使LLM对话智能体能依据专家脚本行动并在有限状态间转换,构建了AI治疗师的基础架构,实验验证了其可行性与不同实现变体的效率。
2024-12-13 cs.AI cs.CL
Enhancing Pipeline-Based Conversational Agents with Large Language Models
Accenture GmbH(埃森哲有限责任公司);University of Bremen(不来梅大学);Lloyds Banking Group(劳埃德银行集团)
本文研究在设计和运营阶段利用LLM增强基于流水线的对话智能体,提出混合方法以兼顾LLM能力与现有系统隐私及集成保障。
2023-09-07 cs.AI cs.CL cs.LG
Teaching Language Models How to Code Like Learners: Conversational Serialization for Student Simulation
本文提出通过对话序列化技术,直接从真实学生编程过程数据训练开放权重的人工编程学习者,提升模型在调试行为模拟中的能力。
2026-05-13 cs.AI cs.CL cs.CY
Designing Mobile and Wearable Sensor-Fused Conversational Agents for Health and Wellbeing
Imperial College London(帝国理工学院);KIST(韩国科学技术研究院);IIT Hyderabad(印度理工学院海德拉巴分校)
本教程面向健康领域,旨在教授参与者使用WSDWAS工具,将可穿戴传感器数据与LLM驱动的对话智能体结合,实现从被动监测到可操作福祉对话的转变。
2026-08-17 cs.HC
The Mad Hatter´s Cocktail Party: A Social Mobile Audio Space Supporting Multiple Simultaneous Conversations
本文提出了一个移动音频空间,旨在使用的凝胶社会群体。在这样的社交群体中的面对面交互中,会话楼层频繁地改变,例如,两个参与者分开以形成新的会话楼层、参与者从一个会话楼层移动到另一个会话楼层等。迄今为止,音频空间几乎没有为参与者的这种动态重新分组提供支持,要么要求参与者明确地指定他们希望与谁交谈,要么简单地呈现所有参与者,就好像他们在单个楼层中一样。相比之下,这里描述的音频空间监视参与者的行为,以在会话楼层出现时识别它们。该系统动态地修改传递给每个参与者的音频,以增强他们当前正在与之交谈的参与者的显著性。我们报告的系统的用户研究,侧重于会话分析结果。
2003-04-01 cs.HC cs.SD
Spoken Humanoid Embodied Conversational Agents in Mobile Serious Games: A Usability Assessment
The University of Edinburgh(爱丁堡大学)
本文通过90名参与者的实验评估了移动严肃游戏中会说话的人形具身对话智能体对可用性的影响,结果表明高类人度智能体显著提升用户偏好和交互体验。
2024-06-10 cs.CL cs.HC cs.MM
An Offline Mobile Conversational Agent for Mental Health Support: Learning from Emotional Dialogues and Psychological Texts with Student-Centered Evaluation
Department of Electrical Engineering and Computer Science, Indian Institute of Science Education and Research Bhopal(电子工程与计算机科学系,比哈尔印度科学教育与研究中心)
本文提出EmoSApp,一个离线智能手机应用,利用定制知识数据集训练的语言模型,提供心理健康支持,并通过学生和专业人员的定性评估及多项基准测试验证其在低资源环境下的有效性。
2025-12-10 cs.AI cs.CL cs.CY
Revolutionizing Mental Health Support: An Innovative Affective Mobile Framework for Dynamic, Proactive, and Context-Adaptive Conversational Agents
针对传统聊天机器人难以适配复杂心理健康支持需求的问题,论文提出结合多模态感知、语言模型与认知行为疗法工具的情感移动框架,可实现共情式情绪干预,助力用户情绪管理。
2024-06-22 cs.HC
Context-Aware Intelligent Chatbot Framework Leveraging Mobile Sensing
Nankai University(南开大学);Tsinghua University(清华大学);Deakin University(迪肯大学)
本文提出一种结合移动感知与大语言模型的智能聊天机器人框架,通过抽象用户行为数据提升对话个性化与上下文相关性。
2025-12-26 cs.HC
Exploring Expert Perspectives on Wearable-Triggered LLM Conversational Support for Daily Stress Management
Harvard Medical School(哈佛医学院);University of Memphis(孟菲斯大学);Omnissa;Virginia Tech(弗吉尼亚理工大学)
本文提出EmBot应用,结合可穿戴设备压力检测与LLM对话支持,通过专家访谈揭示设计中的早期紧张点和考虑因素,为日常压力管理和心理健康支持系统设计提供指导。
2026-04-06 cs.HC
HumAIne-Chatbot: Real-Time Personalized Conversational AI via Reinforcement Learning
Department of Digital Systems University of Piraeus(数字系统系希腊比雷埃克斯大学);HEI-Lab University Lusofona/Immersive Lives(HEI实验室卢斯福纳大学/沉浸生活)
针对现有对话系统缺乏个性化的问题,提出HumAIne-chatbot,通过GPT虚拟人设预训练和在线强化学习动态建模用户画像,实现实时个性化对话,实验表明显著提升满意度与任务完成度。
2025-09-24 cs.AI cs.HC
MIT App Inventor: Enabling Personal Mobile Computing
MIT App Inventor是一款拖放式可视化编程工具,用于设计和构建功能齐全的Android移动应用程序。App Inventor推动了个人移动计算的新时代,在这个时代,人们可以在无限独特的情况下,为日常生活设计、创建和使用个人有意义的移动技术解决方案。App Inventor直观的编程隐喻和增量开发功能使开发人员能够专注于应用程序编程的逻辑,而不是编码语言的语法,从而培养所有人的数字素养。自从它从谷歌转移到麻省理工学院以来,已经增加了一些改进,研究项目正在进行中。
2013-10-24 cs.CY cs.HC
PlantWhisperer: Designing Conversational AI to Support Plant Care
Aalborg University(奥尔堡大学);University of Copenhagen(哥本哈根大学)
PlantWhisperer通过对话式AI支持植物养护,提升用户幸福感,但需考虑用户对植物聊天机器人互动的多样化需求。
2026-02-28 cs.HC
Supporting Multimodal Data Interaction on Refreshable Tactile Displays: An Architecture to Combine Touch and Conversational AI
Monash University(莫纳什大学);Yonsei University(延世大学)
本文提出了一种结合触觉与对话式AI的架构,用于在可刷新触觉显示器上实现多模态数据交互,通过融合触觉输入与语音语言,提升视障人士的数据可视化体验。
2026-07-17 cs.HC
Towards Augmented Reality-driven Human-City Interaction: Current Research on Mobile Headsets and Future Challenges
增强现实(AR)的交互设计越来越受到学术界和工业界的关注。该调查讨论了260篇文章(占2015 - 2019年间发表文章的68.8%),以回顾互联城市中的人类互动领域,重点是增强现实驱动的互动。我们提供了一个人与城市的互动和相关的技术方法的概述,其次是信息可视化的最新趋势的审查,约束界面,并体现在AR耳机的互动。我们强调了界面设计和输入技术中值得进一步研究的问题,并推测具有互补会话用户界面(CUI)的AR是智能城市中与沉浸式系统进行无处不在交互的关键推动因素。我们的工作有助于研究人员了解AR在人与城市互动中的当前潜力和未来需求。
2021-05-25 cs.HC
Towards a Model for Spoken Conversational Search
会话是日常生活中信息交流的自然方式,用于搜索输入和输出的口语会话交互是信息搜索的逻辑格式。然而,在口语会话搜索(SCS)中的用户-系统交互或信息交换的概念化尚未被探索。概念化SCS的第一步是理解在用于搜索的仅音频通信信道中使用的会话移动。本文探讨了搜索任务中的会话行为。我们定义了一个定性的方法来创建会话数据集,提出分析协议,并开发SCS数据。此外,我们使用SCS数据创建SCS的第一个注释模式:SCoSAS,使我们能够调查SCS中的交互性。我们进一步建立,SCS需要将互动性和主动性,以克服在一个只有音频的通道构成的信息寻求过程的复杂性。总之,这项探索性研究揭示了SCS的广度。我们的研究结果强调了需要在未来的SCS模型中整合话语,并有助于SCS模型的形式化和SCS系统的设计的进步。
2019-10-30 cs.HC cs.IR cs.MA
User Experience with LLM-powered Conversational Recommendation Systems: A Case of Music Recommendation
本研究通过12名参与者为期三周的音乐推荐日记研究,探究大语言模型驱动的对话式推荐系统的独特用户体验,发现其可帮助明确隐性需求、支持探索及深化音乐偏好认知,为个性化用户驱动推荐的设计提供了新方向。
2025-02-24 cs.HC
VizAbility: Enhancing Chart Accessibility with LLM-based Conversational Interaction
针对传统图表可访问性方法的局限与高效数据探索难题,研究团队提出了基于LLM的对话式图表导航系统VizAbility,支持自然语言查询与上下文适配,经定性定量研究验证有效,并指明了后续优化方向。
2024-08-16 cs.HC
IntelliExplain: Enhancing Conversational Code Generation for Non-Professional Programmers
本文提出 IntelliExplain 对话式代码生成框架,通过增强代码解释和结构化交互解决非专业程序员使用 Chat LLM 编码的困难,在 SQL 和 Python 任务中显著提升成功率并缩短用时。
2024-10-08 cs.HC
corobos: A Design for Mobile Robots Enabling Cooperative Transitions between Table and Wall Surfaces
The University of Tokyo(东京大学)
本文提出corobos,一种使移动机器人无需人工干预即可在桌面与墙壁表面间协作过渡的概念验证设计,利用被动机械结构实现,并通过实验验证其可行性。
2025-02-25 cs.HC cs.RO
Snowy: Recommending Utterances for Conversational Visual Analysis
自然语言界面(NLI)已经成为进行可视化数据分析的流行媒介,使具有不同分析经验水平的人能够提出问题并与他们的数据进行交互。虽然这些系统在语言理解能力方面有了显著的改进,但基本的用户体验和交互挑战,包括缺乏分析指导(即,知道要考虑数据的哪些方面)和自然语言输入的可解释性(即,知道如何对输入话语进行短语化)持续。为了解决这些挑战,我们研究了通过建议数据特征(例如,属性、值、趋势),同时隐式地使用户知道NLI支持的措辞类型。我们提出了SNOWY,一个原型系统,生成和推荐的话语进行视觉分析的基础上相结合的数据兴趣度指标和语言语用。通过初步的用户研究,我们发现,在SNOWY的话语建议支持对话的视觉分析,指导参与者的分析工作流程,使他们意识到系统的语言解释能力。基于反馈和观察的研究,我们讨论了潜在的影响和考虑,将建议在未来的NLI视觉分析。
2021-10-08 cs.HC
Sotto Voce: Exploring the Interplay of Conversation and Mobile Audio Spaces
除了向个别游客提供信息外,电子导游手册还有可能促进游客及其同伴之间的社会互动。然而,许多系统阻碍了访问者的交互。相比之下,我们的电子指南,Sotto Voce,将社交互动作为主要设计目标。该系统使游客能够分享音频信息-具体来说,他们可以听到对方的导游活动使用技术中介音频窃听机制。我们进行了一项研究,游客使用Sotto Voce,而参观一个历史悠久的房子。结果表明,游客能够有效地使用该系统,无论是作为一个会话资源和信息家电。更令人惊讶的是,我们的研究结果表明,技术介导的音频往往比通过露天传递的音频更能连贯游客的谈话和活动。
2002-05-21 cs.HC cs.SD
Exploring the Impact of Personality Traits on Conversational Recommender Systems: A Simulation with Large Language Models
Chinese University of Hong Kong(香港中文大学);National University of Singapore(新加坡国立大学);Singapore Management University(新加坡管理大学);Hong Kong Baptist University(香港浸会大学);Huazhong University of Science and Technology(华中科技大学)
针对人格特质对对话推荐系统结果的影响问题,提出基于LLM的人格感知用户模拟系统PerCRS,通过带定制化人格的用户智能体与具说服能力的系统智能体模拟真实交互,实验验证LLMs可生成符合特质的用户响应并推动系统动态调整策略,为该领域提供实证见解。
2025-04-09 cs.CL cs.HC
Exploring Mobile Touch Interaction with Large Language Models
University of Bayreuth(拜罗伊特大学)
针对移动设备文本编辑需切换LLM界面的问题,提出直接在文本上通过触摸手势控制LLM的方法,探索两种控制映射及三种反馈设计,用户研究证明其可行性,为手势交互研究奠基。
2025-02-11 cs.CL cs.HC
A Survey on LLM-based Conversational User Simulation
Vanderbilt University(范德比大学);Adobe Research(Adobe研究);Yale University(耶鲁大学);University of Oregon(俄勒冈大学);University of California San Diego(加州大学圣地亚哥分校);Dolby Laboratories(Dolby实验室);University of California, Berkeley(加州大学伯克利分校);Cisco AI Research(思科人工智能研究);University of Southern California(南加州大学);Texas A&M University(德克萨斯阿姆斯特朗大学);UC Davis(加州大学戴维斯分校)
本文综述了基于大语言模型的对话用户模拟最新进展,提出新的分类体系,分析核心技术和评估方法,旨在推动未来研究。
2026-04-27 cs.CL cs.HC
HammerBench: Fine-Grained Function-Calling Evaluation in Real Mobile Device Scenarios
OPPO
本文提出 HammerBench 基准,基于真实移动应用场景、匿名日志与开源数据生成流程,细粒度评估多轮对话中的 LLM 函数调用能力,并揭示参数名称错误是主要失败来源。
2025-02-17 cs.CL cs.HC
Evolving Paradigms in Task-Based Search and Learning: A Comparative Analysis of Traditional Search Engine with LLM-Enhanced Conversational Search System
本文比较了传统搜索引擎与LLM增强的对话搜索系统,探讨了LLM对搜索策略、查询制定及学习效果的影响,揭示了生成式AI在信息检索中的作用。
2025-11-29 cs.HC cs.IR