Need Help? Designing Proactive AI Assistants for Programming
本文针对聊天式AI助手被动响应的问题，设计并实现了一种基于大语言模型的主动式编程助手，通过随机实验验证其能提升程序员生产力与用户体验，并揭示了影响其有效性的关键设计因素。
2025-02-28 cs.HC
Evolution of Programmers' Trust in Generative AI Programming Assistants
研究程序员使用GitHub Copilot后信任度的动态演变，发现信任度随时间提升，并基于定量与定性分析提出四项CS教学建议以帮助学生校准对AI助手的信任。
2025-09-16 cs.HC cs.SE
Conversations for Vision: Remote Sighted Assistants Helping People with Visual Impairments
视力障碍（PVI）患者必须与他们看不到的世界互动。远程视力援助已成为一种对话/社会支持系统。我们采访了通过名为Aira（https：//aira.io/）的对话/社交假肢提供或接受帮助的参与者。我们确定了提供的四种类型的支持：场景描述，性能，社交互动和导航。我们发现，会话风格是依赖于上下文的。有视力的助理会有意识地努力获取PVI的个人知识，并在他们提供的指导中利用这些知识。PVI使用非语言行为（例如手势）作为平行的沟通渠道，为有视力的助手提供反馈或指导。我们还讨论了对设计的影响。
2018-12-01 cs.HC
"Mango Mango, How to Let The Lettuce Dry Without A Spinner?": Exploring User Perceptions of Using An LLM-Based Conversational Assistant Toward Cooking Partner
本研究探索用户使用基于LLM的烹饪对话助手Mango Mango的体验，发现其价值在于定制指令、丰富信息和动态规划，但需更适应对话，据此提出五项设计考虑。
2025-08-07 cs.HC
Like My Aunt Dorothy: Effects of Conversational Styles on Perceptions, Acceptance and Metaphorical Descriptions of Voice Assistants during Later Adulthood
本研究通过绿野仙踪实验发现，语音助手的正式与非正式对话风格对中年和老年用户的技术接受度、拟人化隐喻及感知存在差异化影响，为面向成年后期人群的个性化语音助手设计提供了依据。
2023-09-20 cs.HC
Screen Reader Programmers in the Vibe Coding Era: Adaptation, Empowerment, and New Accessibility Landscape
Microsoft Research（微软研究院）；University of North Carolina-Chapel Hill（北卡罗来纳大学教堂山分校）
研究探讨了屏幕阅读程序员在vibe编程时代与AI代码助手的互动，发现其在效率提升与无障碍方面取得进展，但也面临意图传达、多视角管理等挑战，提出更包容的设计原则。
2025-12-11 cs.HC
ProVoice: Designing Proactive Functionality for In-Vehicle Conversational Assistants using Multi-Objective Bayesian Optimization to Enhance Driver Experience
UCL Interaction Centre（UCL交互中心）；Institute of Media Informatics, Ulm University（乌尔姆大学媒体信息研究所）
ProVoice通过多目标贝叶斯优化设计车载对话助手的前瞻性功能，提升驾驶员体验并优化设计权衡。
2026-01-27 cs.HC
"It Became My Buddy, But I'm Not Afraid to Disagree": A Multi-Session Study of UX Evaluators Collaborating with Conversational AI Assistants
York University（约克大学）；University of Waterloo（滑铁卢大学）；Snowflake（雪佛龙数据公司）；The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；Google Deepmind（谷歌DeepMind）；Rochester Institute of Technology（罗切斯特理工学院）
研究探讨了AI专家形象如何影响评估者分析策略和信任随时间变化，发现评估者在初期表现出新颖效应，随后信任下降但逐渐恢复，效率提升源于从双轮检查到单轮检查的转变，最终评估者认为经验型AI更高效、可信和全面。
2026-03-14 cs.HC
Mirroring to Build Trust in Digital Assistants
Apple Inc.（苹果公司）
我们描述的实验，以建立一个会话的数字助理，认为用户的首选会话风格。特别是，这些实验的目的是衡量用户是否喜欢和信任的助理，其会话风格匹配自己。为此，我们进行了一项用户研究，其中受试者与数字助理进行交互，该数字助理的响应方式要么与他们的对话风格相匹配，要么不匹配。使用自我报告的个性属性和受试者对互动的反馈，我们建立了可以可靠地预测用户首选会话风格的模型。
2019-04-02 cs.AI cs.CL cs.HC
A Conversational Digital Assistant for Intelligent Process Automation
IBM Research AI（IBM研究院人工智能）
机器人流程自动化（RPA）已成为业务流程中自动化任务的主要方法。RPA不再采用后端自动化，而是将用户界面上的鼠标单击自动化;这种由外而内的方法减少了更新旧版软件的开销。然而，它的许多缺点，即缺乏商业用户的可访问性，阻碍了它在高度管制的行业中的广泛采用。在这项工作中，我们将探索以对话式数字助理的形式实现交互式自动化。它允许业务用户通过自然语言与其自动化解决方案进行交互和自定义。该框架，创建这样的助手，依赖于一个多代理编排模型和会话包装的自主智能体，包括RPA。我们证明了我们提出的方法的有效性贷款审批业务流程和旅行审批业务流程。
2020-07-27 cs.AI cs.HC
Collaboration with Conversational AI Assistants for UX Evaluation: Questions and How to Ask them (Voice vs. Text)
Rochester Institute of Technology（罗切斯特理工学院）；University of Waterloo（滑铁卢大学）；The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；The Hong Kong University of Science and Technology（香港科技大学）
人工智能在帮助用户体验评估人员分析可用性测试方面很有前途，但其判断通常以非交互式可视化的形式呈现。评估人员可能对测试记录有疑问，但无法询问。交互式会话助理提供可以提高分析效率和评估者自主性的Q&A动态。为了了解与分析相关的所有问题，我们对20名通过文本或语音与模拟AI助手进行交互的参与者进行了一项绿野仙踪设计探索研究。我们发现，参与者询问了五类信息：用户操作、用户心理模型、人工智能助手的帮助、产品和任务信息以及用户人口统计数据。那些使用文本助手的人问了更多的问题，但问题长度相似。文本助理被认为效率更高，但两者在满意度和信任度方面的评分相同。我们还为未来的对话式AI助手提供设计考虑，以进行UX评估。
2023-03-07 cs.AI cs.HC
The Apiza Corpus: API Usage Dialogues with a Simulated Virtual Assistant
虚拟助手技术有可能在软件工程领域产生重大影响。然而，很少有与SE相关的数据集适合于虚拟助理的设计或培训。为了帮助为API使用的虚拟助手奠定基础，我们设计并进行了一项Wizard-of-Oz研究来收集这些关键数据。我们聘请了30名专业程序员，通过与模拟的虚拟助手互动来完成一系列编程任务。程序员不知道的是，虚拟助手实际上是由另一位人类专家操作的。在本报告中，我们描述了我们的实验方法，并总结了研究结果。
2020-01-27 cs.HC cs.SE
Towards Proactive Interactions for In-Vehicle Conversational Assistants Utilizing Large Language Models
本研究提出基于LLM的“重写+ReAct+反思”策略，建立五级主动性框架，提升车载对话助手主动交互，实验验证其有效性和用户偏好。
2024-03-14 cs.HC
What Did I Say Again? Relating User Needs to Search Outcomes in Conversational Commerce
针对对话式商务中用户难以了解系统如何处理其需求的问题，提出在产品评估阶段用自然语言解释和高亮文本关联用户先前话语与产品方面，实验表明可显著提升感知透明度。
2024-10-02 cs.HC
Ivie: Lightweight Anchored Explanations of Just-Generated Code
本文提出 Ivie，通过在 VS Code 中紧邻刚生成代码即时显示轻量锚定解释，并利用 LLM 分段与解释代码，实验表明其能提升代码理解且低干扰。
2024-03-04 cs.HC
A Case Study in Engineering a Conversational Programming Assistant's Persona
IBM Research AI（IBM研究院人工智能部门）；IBM Argentina（IBM阿根廷公司）
程序员助手是一个实验性的原型软件开发环境，它集成了聊天机器人和代码编辑器。会话能力是通过使用现有的代码流畅的大语言模型并向其提供建立会话交互模式、一组约定和适合于应用程序的交互风格的提示来实现的。对提示演变的讨论提供了一个案例研究，说明如何引导现有的基础模型以特定应用程序所需的方式运行。
2023-01-13 cs.AI cs.CY cs.HC
Voice-Based Conversational Agents for self-reporting fluid consumption and sleep quality
智能对话代理和虚拟助手，如聊天机器人和语音助手，有可能增强健康服务能力，以筛查症状和提供医疗干预。在本文中，我们在Google Actions Console中开发了基于语音的会话代理（VCA），以提供定期的自我评估健康调查。本文的重点是适应自我监测的患者特定的液体消耗量的要求或睡眠障碍。我们的VCA，名为FluidMonitor和Sleepy，经过测试，可以自然融入患者的日常生活方式，提供有用的干预措施。我们展示了Google Actions的功能，并讨论了使用VCA作为家庭自我报告调查技术的注意事项。用户测试表明，对VCA的易用性、受欢迎程度和负担水平表示满意。
2022-02-04 cs.HC
Is Conversational XAI All You Need? Human-AI Decision Making With a Conversational XAI Assistant
Delft University of Technology（代尔夫特理工大学）
本研究探讨对话式XAI界面对用户理解、信任及依赖AI系统的影响，发现其虽提升理解与信任，但与XAI仪表板一样引发过度依赖，LLM智能体加剧此现象，主因是解释深度错觉。
2025-01-29 cs.AI cs.HC
User Misconceptions of LLM-Based Conversational Programming Assistants
University of Michigan（密歇根大学）；Pontifical Catholic University of Rio de Janeiro（里约热内卢天主教大学）；Heidelberg University（海德堡大学）；Reykjavik University（雷克雅未克大学）；IT University of Copenhagen（哥本哈根IT大学）
研究揭示了用户在使用基于大语言模型的对话式编程助手时可能存在的误解，强调了工具在明确自身能力及通过实证研究澄清编程需求的重要性。
2026-10-06 cs.AI cs.HC
Document-editing Assistants and Model-based Reinforcement Learning as a Path to Conversational AI
University of Guelph（圭尔夫大学）；Vector Institute for Artificial Intelligence（向量人工智能研究院）；University of Alberta（阿尔伯塔大学）；Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究院）
遵循命令或回答简单问题的智能助手，如Siri和谷歌搜索，是人工智能最具经济意义的应用之一。未来的对话式人工智能助手通过对领域、用户或用户目的的更深入理解，有望提供更强大的功能和更好的用户体验。但是，什么领域和什么方法最适合研究和实现这一承诺？在这篇文章中，我们主张的领域的语音文档编辑和基于模型的强化学习的方法。语音文档编辑的主要优点是，域的范围很窄，并且它为对话提供了一些关于（文档）的内容，这些内容是分隔的，并且智能助理可以完全访问。一般来说，强化学习的优点是，它的方法被设计成在没有明确指令的情况下从交互中学习，并且它使助手的目的形式化。需要基于模型的强化学习来真正理解话语领域，从而与用户有效地合作以实现他们的目标。语音文档编辑和基于模型的强化学习共同构成了实现会话AI的一个有前途的研究方向。
2020-08-27 cs.AI cs.HC cs.LG
Multi-trait User Simulation with Adaptive Decoding for Conversational Task Assistants
NOVA University of Lisbon（里斯本新大学）；NOVA LINCS
针对对话任务助手中多样用户特质难以模拟的问题，提出 mTAD，在解码时从特质专属 LM 采样以生成多画像对话，并通过 CTA 真实对话实验验证其有效性与灵活性。
2024-10-28 cs.AI cs.CL cs.HC
Examining the Potential for Conversational Exploratory Search using a Smart Speaker Digital Assistant
在线数字助理，如亚马逊Alexa，谷歌助理，苹果Siri非常受欢迎，并为其用户提供一系列服务，一个关键功能是他们能够从可用的来源满足用户的信息需求。用户可能经常将这些应用视为提供类似于Google类型的搜索引擎的搜索服务。然而，虽然很明显，他们通常能够有效地回答事实问题，但他们对不太具体或探索性的搜索任务的支持程度却不那么明显。我们描述了一项调查，检查标准亚马逊Alexa的探索性搜索任务的行为。我们的研究结果表明，它不能有效地解决这些类型的信息需求。我们提出了旨在克服这些缺点的Alexa扩展。我们的自定义Alexa应用程序扩展了Alexa的探索性搜索会话功能。一项用户研究表明，我们的扩展Alexa应用程序既能使用户更成功地完成探索性搜索任务，也能被我们的测试用户所接受。
2023-03-18 cs.HC cs.IR
Evorus: A Crowd-powered Conversational Assistant Built to Automate Itself Over Time
Carnegie Mellon University（卡内基梅隆大学）
人群驱动的会话助理已被证明比自动化系统更强大，但这样做的代价是更高的响应延迟和金钱成本。一个有前途的方向是将这两种方法结合起来，以获得高质量、低延迟和低成本的解决方案。在本文中，我们介绍了Evorus，这是一种基于人群的会话助手，可以通过以下方式随着时间的推移自动化：（i）允许新的聊天机器人轻松集成以自动化更多场景，（ii）重用先前的人群答案，以及（iii）学习自动批准响应候选人。我们对80名参与者和281次对话进行了长达5个月的部署，结果表明Evorus可以在不影响对话质量的情况下实现自动化。Crowd-AI架构长期以来一直被认为是降低群体驱动系统成本和延迟的一种方法; Evorus演示了如何在部署的系统中成功引入自动化。它的体系结构允许未来的研究人员在部署的开放域对话系统的上下文中对底层自动化组件进行进一步的创新。
2018-01-10 cs.AI cs.CL cs.HC
Conversational Assistants in Knowledge-Intensive Contexts: An Evaluation of LLM- versus Intent-based Systems
Delft University of Technology（代尔夫特理工大学）
该研究针对知识管理场景，对比基于LLM与基于意图的对话助手，通过用户研究验证前者在用户体验、任务完成率等多方面更优，为知识管理领域NLP技术选型提供参考。
2024-07-12 cs.AI cs.HC
ECHO: An Automated Contextual Inquiry Framework for Anonymous Qualitative Studies using Conversational Assistants
本研究提出自动化情境探究框架ECHO，通过自适应对话界面、自动编码等技术实现定性研究流程自动化，在保护隐私的同时提升研究效率与质量，经心理健康研究验证其表现优于传统方法。
2023-12-10 cs.HC
A Need for Trust in Conversational Interface Research
在会话交互研究的几个分支中，包括与社交机器人、具体代理和会话助理的交互，用户已经将信任确定为这些交互的关键部分。尽管如此，在这类互动中信任意味着什么，以及如何衡量信任，人们几乎没有达成一致。在本文中，我们探讨了一些方面的信任，因为它已经在以前的工作中理解，我们概述了一些方法的信任已被测量，希望在整个领域的概念进一步讨论。
2019-07-03 cs.HC
Evaluation and Continual Improvement for an Enterprise AI Assistant
本文针对企业生成式AI助手开发中评估与持续改进的复杂多面问题，介绍其面临的挑战及应对方法，并分享初步结果与经验教训，助力该类系统迭代优化。
2024-12-08 cs.HC
Exploring Interaction Patterns for Debugging: Enhancing Conversational Capabilities of AI-assistants
Microsoft（微软公司）
本文借鉴交互模式与对话分析，设计增强调试AI助手Robin，通过插入扩展、轮流发言及调试工作流，降低对话障碍，提升故障定位，使错误解决率提高5倍。
2024-02-09 cs.AI cs.HC cs.SE
CURATe: Benchmarking Personalised Alignment of Conversational AI Assistants
University of Oxford（牛津大学）；Stellenbosch University（斯泰伦博斯大学）；Foerster Lab for AI Research (FLAIR)（福斯特人工智能研究实验室）
本文提出评估基于LLM的AI助手个性化对齐的多轮基准CURATe，发现现有模型在处理安全关键上下文时存在系统性偏差，而提示考虑安全上下文能显著提升性能。
2025-01-30 cs.AI cs.HC
Tell-XR: Conversational End-User Development of XR Automations
Tell-XR利用大语言模型以对话方式引导非程序员通过ECA规则定义XR自动化，经形成性研究确定关键对话阶段并设计系统架构，在VR博物馆和AR智能家居两个场景中验证了其有效性。
2025-04-12 cs.HC
Different but Equal: Comparing User Collaboration with Digital Personal Assistants vs. Teams of Expert Agents
IBM Research – Brazil（IBM研究院（巴西））
这项工作比较了用户与会话式个人助理的协作与专家聊天机器人团队的协作。进行了两项研究，以调查是否每种方法影响任务的完成和协作成本。参与者与两个等效的金融建议聊天机器人系统进行交互，一个由一个对话顾问组成，另一个基于四个专家聊天机器人团队。结果表明，用户有不同形式的经验，但同样能够实现自己的目标。与预期相反的是，有证据表明，在团队合作的情况下，用户更能够更好地预测代理的行为，并没有开销来维持共同点，这表明类似的协作成本。结果指向的两种方法中的任何一种的用户与会话代理的合作的可行性。
2018-08-24 cs.AI cs.HC cs.MA
CoLadder: Supporting Programmers with Hierarchical Code Generation in Multi-Level Abstraction
CoLadder通过分层任务分解和代码段操作，帮助程序员在从目标到代码的多级抽象中灵活外化意图，提升代码评估与修改能力。
2023-12-26 cs.HC cs.SE
When Disability Disclosure Travels: Memory, Privacy, and Contextual Integrity in Conversational AI
Carnegie Mellon University（卡内基梅隆大学）；Indiana University Indianapolis（印第安纳大学印第安纳波利斯分校）
本研究通过访谈12位美国残障用户，揭示其在对话式AI中按需披露残障、面临双重接收者规范冲突及记忆功能导致信息漂移，提出需增强情境控制以保护隐私。
2026-09-22 cs.CY cs.HC
Conversation-Based Complex Event Management in Smart-Spaces
智能空间管理可以通过多种方式实现。一方面，有一些对话助手，如Google Assistant或Amazon Alexa，使用户能够仅通过语音与智能空间进行舒适的交互，但这些助手的功能有限，通常仅限于简单的命令。另一方面，有一些可视化界面，如IBM的Node-RED，可以支持不同设备之间的复杂功能和依赖关系。然而，这些是有限的，因为它们需要用户具有智能设备如何工作的技术知识，并且系统的界面更复杂，更难使用，因为它们需要计算机。该项目提出了一个新的会话助理-贾维斯-结合了当前助理的易用性与视觉平台的操作复杂性。Jarvis的目标是通过提供直观的命令和有用的功能，使管理智能空间变得更容易。Jarvis与现有的用户界面集成，如Google Assistant、Slack或Facebook Messenger，使其非常容易与现有系统集成。Jarvis还提供了一个创新的功能-因果关系查询-使用户能够询问它为什么会发生某件事。例如，用户可以问“为什么灯打开了？“了解系统是如何工作的。
2018-07-18 cs.HC
A Multimodal GUI Architecture for Interfacing with LLM-Based Conversational Assistants
本文提出一种通过MCP暴露导航图和语义的多模态GUI架构，使基于LLM的语音助手能控制界面，并评估了本地开放权重模型的可行性。
2025-10-09 cs.AI cs.HC
Exploring Interactions Between Trust, Anthropomorphism, and Relationship Development in Voice Assistants
Alexa和Google Assistant等现代对话代理代表了语音识别、自然语言处理和语音合成方面的重大进展。但随着这些代理人变得越来越现实，人们开始担心他们的社会性质可能会无意识地影响我们与他们的互动。通过对500名语音助手用户的调查，我们探讨了用户与语音助手的关系是否可以使用与社交、人际关系相同的指标来量化;以及这是否与他们对设备的信任程度以及他们将设备拟人化的程度相关。使用Knapp的人际关系楼梯模型，我们发现不仅可以以这种方式模拟人与设备的交互，而且与语音助手的关系发展与增加的信任和拟人化相关。
2021-08-04 cs.HC
Dialogue to Discovery: Attribute-Aware Preference Elicitation for Conversational Product Search Assistants
Adobe Research（Adobe研究院）；Microsoft Research（微软研究院）；UC Berkeley（伯克利大学）
提出属性导向的偏好引导框架D2D，动态利用产品属性结构高效引导对话，在模拟对话中目标发现准确率提升22.2-29.9%，放弃率降低6.6-16.1%，平均对话缩短27.5%。
2026-06-24 cs.CL cs.HC cs.IR
No Two Developers Think Alike: How Problem-Solving Styles and Experience Shape Needs in Conversational Interaction with Copilot
Radboud University Nijmegen（拉德堡德大学）；Federal University of Technology – Paraná Campo Mourão（巴拉那联邦技术大学 - 卡莫阿乌校区）；Microsoft（微软）
通过混合方法出声思考研究，识别出5种交互模式和10种需求，并建立概念模型，揭示认知多样性如何影响开发者与GitHub Copilot的交互。
2026-06-18 cs.HC cs.SE
A Maturity Assessment Framework for Conversational AI Development Platforms
对话式人工智能（AI）系统最近人气飙升，现在被用于从汽车助理到客户支持的许多应用中。对话式人工智能系统的开发得到了各种软件平台的支持，这些平台都有类似的目标，但重点和功能不同。目前缺乏对会话式AI平台进行分类的系统基础。我们提出了一个评估对话式AI开发平台成熟度的框架。我们的框架是基于系统的文献综述，其中我们提取了各种开源和商业（或内部）平台的共同和独特的特征。受语言参考框架的启发，我们确定了会话式AI开发平台在理解和响应用户输入方面可能表现出的不同成熟度水平。我们的框架可以指导组织根据他们的需求选择对话式AI开发平台，并帮助研究人员和平台开发人员提高平台的成熟度。
2020-12-22 cs.HC
Conversational Help for Task Completion and Feature Discovery in Personal Assistants
Microsoft India Development Center（微软印度开发中心）
智能个人助理（IPAs）近年来已经变得非常流行。如今，大多数商业IPA都支持各种技能，包括警报、提醒、天气更新、音乐、新闻、事实提示等，列表每天都在增长，因此很难记住执行各种任务所需的命令结构。IPA必须有能力传达有关所支持技能的信息，并指导用户使用执行这些技能所需的正确命令。用户以自然语言与个人助理交互。如果查询寻求关于个人助理的能力的信息，或者请求执行任务的指令，则该查询被定义为帮助查询。在本文中，我们提出了一个互动系统，确定帮助查询和检索适当的反应。我们的系统包括一个基于C-BiLSTM的分类器，它是卷积神经网络（CNN）和双向LSTM（BiLSTM）架构的融合，用于检测帮助查询和语义近似最近邻（ANN）模块，用于将查询映射到适当的预定义响应。对我们的系统在商业IPA的真实查询上的评估以及与流行的传统机器学习和基于深度学习的模型的详细比较表明，我们的系统优于其他方法，并返回相关的帮助查询响应。
2019-07-16 cs.CL cs.HC cs.LG
MIST: Multimodal Interactive Speech-based Tool-calling Conversational Assistants for Smart Homes
Columbia University（哥伦比亚大学）；Seoul National University（首尔国立大学）
本文提出MIST数据集，用于研究具备物理世界约束推理能力的多模态语音助手，发现开放和闭源多模态LLM在该任务上存在显著差距。
2026-05-07 cs.AI cs.CL cs.HC
The New Shape of Search: How Conversational AI Recomposes Information Seeking
Scrunch AI
研究将对话助手插入信息获取过程后的变化，通过链接对话与搜索等重建完整过程，发现对话式人工智能改变信息获取形态，其过程分叉，受表达影响，还存在工作台使用等情况，且未取代搜索。
2026-08-26 cs.CY cs.HC cs.IR
Emotion-Aware Conversational Recommender Systems: a Case Study
本研究提出了一种具有情感意识的对话推荐系统，通过分析用户情绪提升在线购物体验，采用基于内容的推荐方法，结合自然语言处理实现个性化建议。
2025-11-23 cs.HC
PwR: Exploring the Role of Representations in Conversational Programming
PwR 通过自然语言表示将系统理解反馈给用户，以弥合对话式编程中用户心智模型与 AI 实际理解之间的差距，实验表明其能显著提升可理解性和用户自主感。
2023-09-18 cs.HC cs.SE
"Is there anything else I can help you with?": Challenges in Deploying an On-Demand Crowd-Powered Conversational Agent
Carnegie Mellon University（卡内基梅隆大学）；University of Michigan（密歇根大学）；Ariel University（阿里埃勒大学）
智能会话助理，如苹果的Siri，微软的Cortana和亚马逊的Echo，已经迅速成为我们数字生活的一部分。然而，这些助手有很大的局限性，这使得用户无法像与人类对话伙伴一样与它们对话。这限制了我们观察用户真正想要如何与底层系统交互的能力。为了解决这个问题，我们开发了一个群体驱动的对话助手Chorus，并部署了它，以了解用户和工作人员在系统的调解下如何互动。随着时间的推移，Chorus通过按需招聘员工来与最终用户进行详细的对话，这反过来又决定了对每个用户句子的最佳回应。截至我们部署的第一个月，已有59名用户在320个对话会话中与Chorus进行了对话。在本文中，我们介绍了Chorus的部署，重点是四个挑战：（i）识别对话何时结束，（ii）恶意用户和工作人员，（iii）按需招聘，以及（iv）共识不够的设置。我们的观察可以帮助部署群体供电的会话系统和群体供电的系统一般。
2017-08-10 cs.AI cs.CL cs.HC
What Writing Assistants Can Learn from Programming IDEs
随着人工智能的发展，写作助手（WAs）正在改变人们与文本交互的方式，创造出冗长的输出，对用户来说可能是压倒性的。编程领域长期以来一直致力于解决这个问题，并且已经创建了集成开发环境（IDE）来进行高效的软件开发，帮助程序员减少认知负荷。这一经验可用于发展环境协定。IDE还可以用来测试有关干预措施的假设，这些干预措施可以帮助人们有效地与WAs互动。以前的工作已经成功地使用自己编写的IDE插件来测试人机交互领域的假设。所吸取的经验教训可用于建立工作区。
2023-03-28 cs.HC cs.SE
Expert-Generated Privacy Q&A Dataset for Conversational AI and User Study Insights
本文提出一个由法律和设计专家迭代生成的隐私问答数据集，通过语言学分析与用户研究评估，证明其比现有方案及Amazon Alexa回复更清晰易用且符合法律精确性，提升了对话AI数据处理信息的可访问性。
2025-02-03 cs.HC
Evaluating Trust in the Context of Conversational Information Systems for new users of the Internet
大多数在线信息源都是基于文本的，并且使用英语等西方语言。然而，许多新的和第一次使用互联网的用户都是在英语水平较低的情况下，无法在线访问重要信息。一些研究人员专注于为这一人群建立基于语音的会话信息系统，并强调了建立对信息源的信任的重要性。在这项工作中，我们在Google Assistant平台上开发了四个版本的基于语音的聊天机器人，其中我们改变了机器人的性别，友好性和个性化。我们发现，用户对女性版本的机器人进行了更多的个性化排名;然而，当单独对机器人进行评级时，评级取决于机器人理解用户口头查询并准确响应的能力。
2021-11-26 cs.HC
Cyri: A Conversational AI-based Assistant for Supporting the Human User in Detecting and Responding to Phishing Attacks
Sapienza University of Rome（罗马智慧大学）；Link Campus University of Rome（罗马 LINK 校园大学）
本研究提出Cyri——一款基于大型语言模型的对话式助手，通过本地处理网络钓鱼邮件语义特征（如紧急性）、支持多模态交互与按需检测，有效提升用户识别网络钓鱼的能力并保障数据隐私。
2025-02-09 cs.AI cs.CR cs.HC
Personalized to Persuade: The Effects of Contextualization and Warmth on Trust and Reliance in Conversational AI
Amsterdam University of Applied Sciences（阿姆斯特丹应用科学大学）；University of Leiden（莱顿大学）
通过2x2被试间实验（N=380），研究情境化与对话温暖如何交互影响AI助手在反驳专家建议时的说服力与用户依赖，发现情境化降低说服力但与温暖结合通过交叉交互恢复，且AI素养解耦信任与行为。
2026-11-04 cs.AI cs.HC
AI-driven formative assessment and adaptive learning in data-science education: Evaluating an LLM-powered virtual teaching assistant
本文提出VITA平台，集成LLM聊天机器人BotCaptain，通过对话式辅导、xAPI数据管道和自适应路径引擎，实现数据科学教育中的形成性评价与个性化学习，并提供了架构基准和部署蓝图。
2025-09-17 cs.AI cs.CY cs.HC
How Researchers Use and Verify AI Coding Assistants: Tasks and Validation Practices in Scientific Programming
University of Michigan（密歇根大学）；Sandia National Laboratories（桑迪亚国家实验室）；University of Tennessee, Knoxville（田纳西大学诺克斯维尔分校）
本研究通过调查527名科研人员，发现AI编程助手主要用于数据处理等五类任务，验证方式以个人运行为主，且信心与经验相关，建议界面支持任务适配的评估。
2026-09-21 cs.HC cs.SE
A survey of generative AI adoption and perceived productivity among scientists who program
School of Information, University of Michigan（密歇根大学信息学院）；University of Tennessee（田纳西大学）；University of Alabama（阿拉巴马大学）
本文综述了生成式AI在科学家编程中的采纳情况，发现学生和经验较少的程序员更倾向于使用通用对话接口，且生成代码量与感知生产力密切相关。
2026-04-09 cs.HC cs.SE
The RealHumanEval: Evaluating Large Language Models' Abilities to Support Programmers
MIT-IBM Watson AI Lab（MIT-IBM Watson人工智能实验室）；Massachusetts Institute of Technology（麻省理工学院）；Microsoft Research（微软研究院）；Carnegie Mellon University（卡内基梅隆大学）；IBM Research（IBM研究院）；University of California, Berkeley（加州大学伯克利分校）
研究引入RealHumanEval界面评估LLM辅助程序员的能力，发现基准性能提升可增加生产力但差距不成比例，且偏好与实际表现不相关，开源工具与数据以促进以人为中心的评估。
2024-10-14 cs.AI cs.HC cs.SE
