Pearl: Personalizing Large Language Model Writing Assistants with Generation-Calibrated Retrievers
Microsoft(微软);Microsoft Research(微软研究院);Purdue University(普渡大学)
针对LLM写作助手缺乏个性化的问题,提出Pearl,利用生成校准检索器选择历史文档增强提示,通过数据选择与尺度校准KL散度训练,在社交媒体数据集上提升长文生成质量,并可预测性能。
2024-11-05 cs.CL cs.HC cs.IR
DeepWriter: A Fact-Grounded Multimodal Writing Assistant Based On Offline Knowledge Base
Shanghai AI LAB(上海人工智能实验室)
DeepWriter通过离线知识库、任务分解、多模态检索与逐节反思撰写,解决LLM在专业写作中的知识不足和幻觉问题,并在财务报告生成上超越现有基线。
2025-08-14 cs.AI cs.CL
Speakerly: A Voice-based Writing Assistant for Text Composition
Grammarly
本文提出了Speakerly,一个实时基于语音的写作辅助系统,通过结合小型任务特定模型和预训练语言模型,支持指令与听写等多种输入模式,帮助用户高效生成格式良好且连贯的文本。
2023-10-24 cs.AI cs.CL
Mind the Gap! Choice Independence in Using Multilingual LLMs for Persuasive Co-Writing Tasks in Different Languages
Delft University of Technology(代尔夫特理工大学);University of Goettingen(哥廷根大学)
本文研究不同语言说服性协同写作任务中多语言LLM使用的选择独立性,发现用户会因AI在第二语言的表现影响其使用行为,且对广告来源的信念影响捐赠选择,为多语言LLM辅助代理设计提供启示。
2025-02-13 cs.AI cs.CL cs.HC
Co-Writing with Opinionated Language Models Affects Users' Views
Cornell University(康奈尔大学);Microsoft Research(微软研究院);University of Bayreuth(拜罗伊特大学);Tel Aviv University(特拉维夫大学);Cornell Tech(康奈尔科技学院)
如果像GPT-3这样的大语言模型更倾向于产生特定的观点,它们可能会以未知的规模影响人们的观点。这项研究调查了一个语言模型驱动的写作助手是否会比其他人更经常地产生一些意见,从而影响用户的写作内容以及他们的想法。在一项在线实验中,我们要求参与者(N= 1,506)写一篇文章,讨论社交媒体是否对社会有益。治疗组的参与者使用了一个语言模型驱动的写作助手,该助手被配置为争论社交媒体对社会是好是坏。然后,参与者完成了一项社交媒体态度调查,独立法官(N=500)评估了他们在写作中表达的意见。使用固执己见的语言模型影响了参与者在写作中表达的观点,并在随后的态度调查中改变了他们的观点。我们讨论了我们的结果的更广泛的影响,并认为人工智能语言技术中内置的意见需要更仔细地监控和设计。
2023-02-01 cs.AI cs.CL cs.HC
DraftTrace: A Multi-View Analytics Environment for AI-Integrated Writing
Arizona State University(亚利桑那州立大学)
针对生成式AI影响下写作过程难以评估的问题,提出DraftTrace多视图分析环境,联合捕获产品、过程与AI交互,在81名学生课程中验证其区分性与分析价值。
2026-09-30 cs.AI cs.CL cs.ET
Towards AI-Assisted Research Writing: Benchmarking LLMs for AI/ML Introduction Generation
本研究提出SciIG任务,构建含两类2025顶会论文的数据集,评估五款LLM的AI/ML领域引言生成能力,发现LLaMA-4 Maverick表现最优、三样本提示更优,公开代码与数据集。
2026-09-01 cs.CL
Decoding the End-to-end Writing Trajectory in Scholarly Manuscripts
University of Minnesota(明尼苏达大学)
针对LLM难以提供文档级学术写作反馈的问题,提出基于意图、动作和数据类型的写作行为分类体系,并构建ManuScript数据集以捕捉端到端写作轨迹,辅助提升写作助手的反馈能力。
2023-03-31 cs.CL cs.HC
Agent Laboratory: Using LLM Agents as Research Assistants
AMD(超威半导体公司);Johns Hopkins University(约翰斯·霍普金斯大学);ETH Zurich(苏黎世联邦理工学院)
本研究提出自主LLM框架Agent Laboratory,可经文献综述、实验、报告撰写三阶段完成全流程研究,实验表明o1-preview驱动版本效果最优,生成代码达SOTA,人工反馈可提升质量,且成本较过往自主研究方法降84%,助力科研人员聚焦创意构思。
2025-06-17 cs.AI cs.CL cs.HC
Contaminated Collaboration: Measuring Gender Bias Transfer in LLM-Assisted Student Writing
Brac University(布拉卡大学)
通过实验发现,使用性别偏见的LLM写作助手会显著增加学生职业规划作文中的性别刻板印象,且偏见迁移不对称:女性目标作文的能动性被抑制,男性目标作文受影响较小。
2026-06-16 cs.CL cs.HC
Ink and Individuality: Crafting a Personalised Narrative in the Age of LLMs
Shahjalal University of Science and Technology(沙赫贾拉勒科技大学);BRAC University(BRAC大学);Independent University(独立大学)
本研究探讨了过度依赖 LLM 写作助手对人类创造力和个性的潜在负面影响,通过简短调查结合过往研究分析人们观点,旨在改进人机交互系统并增强写作助手的个性化能力。
2024-10-02 cs.AI cs.CL cs.HC
Prototypical Human-AI Collaboration Behaviors from LLM-Assisted Writing in the Wild
Microsoft(微软);University Of Minnesota(明尼苏达大学)
本研究通过分析Bing Copilot和WildChat中的大规模写作交互,识别出少数原型人机协作行为(PATHs)可解释用户与LLM交互的主要变异,并发现写作意图与PATHs显著相关,为LLM对齐提供启示。
2025-06-21 cs.CL cs.HC
How Does the Disclosure of AI Assistance Affect the Perceptions of Writing?
Purdue University(普渡大学);University of Connecticut(康涅狄格大学)
该研究通过实验探究披露写作中AI辅助的程度与类型对人们写作感知的影响,发现披露AI内容生成辅助会降低写作平均质量评分、增加评价差异,且会降低AI辅助作品的高排名占比,个体写作自信与AI熟悉度起调节作用。
2024-10-06 cs.CL
A Design Space for Intelligent and Interactive Writing Assistants
University of Chicago(芝加哥大学);Microsoft Research(微软研究院)
针对写作助手研究碎片化问题,提出涵盖任务、用户、技术、交互和生态系统五个方面的设计空间,通过系统回顾115篇论文定义维度与代码,为研究者和设计师提供实用工具以导航、比较及构想新型写作助手。
2024-03-26 cs.CL cs.HC
VISAR: A Human-AI Argumentative Writing Assistant with Visual Programming and Rapid Draft Prototyping
University of Notre Dame(圣母大学);Singapore University of Technology and Design(新加坡科技设计大学)
本文提出AI写作助手VISAR,通过可视化编程、同步编辑和自动草稿原型,帮助用户构建层级写作目标与论证结构,解决LLM聊天界面缺乏用户控制和语境感知的问题,有效提升了论辩写作规划体验。
2023-07-27 cs.AI cs.CL cs.HC
Creative Writing with an AI-Powered Writing Assistant: Perspectives from Professional Writers
Google Research(谷歌研究院)
使用神经语言模型的自然语言生成(NLG)的最新发展使我们比以往任何时候都更接近构建人工智能驱动的创意写作工具的目标。然而,在创意写作领域,大多数关于人类与人工智能合作的先前工作都是与业余作家一起评估新系统,通常是在有限范围的人为用户研究中。在这项工作中,我们委托了13位来自不同创意写作背景的专业作家,使用Wordcraft(一种内置人工智能写作辅助工具的文本编辑器)制作故事。通过访谈和参与者日记,我们讨论了NLG在创意写作领域产生重大影响的潜力-特别是在头脑风暴,故事细节,世界建设和研究援助方面。有经验的作家,比业余作家更有经验,通常有完善的写作系统和方法,以及独特的声音和目标受众。我们的工作突出了为这些作家创作的挑战; NLG技术很难保持风格和作者的声音,而且他们缺乏对故事内容的深入理解。为了让人工智能写作助手充分发挥其潜力,他们必须考虑到人类作家的不同目标和专业知识。
2022-11-09 cs.CL cs.HC
LLM-Ref: Enhancing Reference Handling in Technical Writing with Large Language Models
Oregon State University(俄勒冈州立大学)
本文提出LLM-Ref写作辅助工具,通过直接从段落检索生成并迭代处理长上下文,实现参考文献直接提取,较基线RAG系统Ragas分数提升3.25至6.26倍。
2024-11-04 cs.CL
Multi-Task Instruction Tuning of LLaMa for Specific Scenarios: A Preliminary Study on Writing Assistance
Soochow University(苏州大学);Tencent AI Lab(腾讯人工智能实验室);University of Macau(澳门大学)
本研究以写作辅助场景(含七项写作任务)为测试平台,通过收集重构指令格式训练数据对LLaMA进行多任务指令调优,验证了该方法可显著提升模型写作任务能力,并为特定场景LLM微调提供参考。
2023-10-09 cs.CL
Decoding One Safety Trigger Token for Balancing Safety and Usability in Large Language Models
Xidian University(西安电子科技大学);Victoria University of Wellington(惠灵顿维多利亚大学);Westlake University(西湖大学)
本研究提出D-STT算法,通过识别和解码安全触发标记,有效提升大型语言模型的安全性,同时保持其可用性与响应效率。
2026-09-29 cs.CL cs.CR
What Was Your Prompt? A Remote Keylogging Attack on AI Assistants
Ben-Gurion University(本-古里安大学);Offensive AI Research Lab(进攻性人工智能研究实验室)
本文揭示AI助手加密响应中的令牌长度侧信道,结合LLM翻译、句间上下文及风格微调,实现对ChatGPT-4和Copilot响应的部分重建与主题推断。
2024-03-14 cs.AI cs.CL cs.CR
An Automatic Question Usability Evaluation Toolkit
Carnegie Mellon University(卡内基梅隆大学);Dublin City University(都柏林城市大学)
本文提出开源工具包SAQUET,利用IWF评分标准结合GPT-4等大模型自动评估多选题设计缺陷,在五个领域数据集上检测准确率超94%,有效弥补传统自动化评估方法的不足。
2024-05-30 cs.AI cs.CL
ComfyUI-Copilot: An Intelligent Assistant for Automated Workflow Development
Alibaba International Digital Commerce(阿里巴巴国际数字商业集团);Harbin Institute of Technology (Shenzhen)(哈尔滨工业大学(深圳))
本文提出ComfyUI-Copilot,一个基于大语言模型和分层多智能体框架的插件,通过智能节点推荐与一键式工作流构建,降低ComfyUI使用门槛并提升工作流开发效率。
2025-06-05 cs.CL cs.CV
A Large-Scale Survey on the Usability of AI Programming Assistants: Successes and Challenges
Carnegie Mellon University(卡内基梅隆大学)
本文通过对410名开发者的调查,揭示了AI编程助手在减少按键、加速任务完成和语法回忆方面的成功,以及其在满足功能需求和控制生成输出方面的可用性挑战,并为设计低认知负担的交互提供了启示。
2023-09-17 cs.AI cs.HC cs.SE
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
Lighting Up or Dimming Down? Exploring Dark Patterns of LLMs in Co-Creativity
Not reflecting the authors’ positions at Meta/Amazon.(不反映作者在Meta/Amazon的职位。)
研究探讨LLM在共创造中五种暗模式对人类创造力的影响,发现Sycophancy普遍存在,Anchoring受文学形式影响,提出AI设计需支持创造性写作。
2026-04-06 cs.CL
Towards a Mathematics Formalisation Assistant using Large Language Models
Microsoft Research(微软研究院);Indian Institute of Science(印度科学学院);London School of Geometry and Number Theory(伦敦几何与数论学院);Indian Institute of Science Education and Research(印度科学教育与研究院)
数学形式化是数学写作的任务(即,定义、定理陈述、证明)转换为自然语言语言,然后可以由程序检查其正确性。这是一个蓬勃发展的活动今天,但正式化仍然繁琐。在本文中,我们探讨的能力,一个大语言模型(法典),以帮助形式化的精益定理证明。我们发现,仔细的输入依赖的提示选择和后处理,法典是能够正式的短期数学陈述在本科水平与近75\%的准确度为$120$定理语句。为了证明定量分析是不可行的,我们进行了详细的案例研究。我们选择了一套不同的$13$定理在本科水平的证明,适合在两三个段落。我们表明,一个新的提示策略法典可以正式这些证明在自然语言至少有一个十二法典完成容易修复成一个完整的证明。这是令人惊讶的,因为基本上没有对齐的数据存在形式化的数学,特别是证明。这些结果表明,大语言模型是一个很有前途的途径完全或部分自动化的形式化。
2022-11-14 cs.AI cs.CL
From Use to Oversight: How Mental Models Influence User Behavior and Output in AI Writing Assistants
McGill University(麦吉尔大学);Microsoft Research(微软研究院);University of Michigan(密歇根大学)
研究探讨了心理模型对用户在AI写作助手中的控制行为和写作结果的影响,发现系统理解虽提高但可能导致更多语法错误。
2026-04-06 cs.AI cs.HC
Customizing Large Language Model Generation Style using Parameter-Efficient Finetuning
Carnegie Mellon University(卡内基梅隆大学)
本文研究如何用基于低秩适配的PEFT将LLaMA-2定制为十位作者风格,证明其可在词汇、句法和表层特征上对齐目标作者,但内容记忆仍有限。
2024-09-06 cs.CL
Hallucination-Resistant, Domain-Specific Research Assistant with Self-Evaluation and Vector-Grounded Retrieval
CTO Office, Coherent Corporation(Coherent Corporation 技术总监办公室)
针对大语言模型在文献综述中存在幻觉与引用错误的问题,提出基于有限状态机和向量检索的模块化研究助手RA-FSM,在光子学领域六类任务上表现优于基线,可推广至其他科学领域。
2025-09-25 cs.AI cs.CL
Generating Constructive Feedback on Stories via Reinforcement Learning
Leibniz University Hannover(汉诺威莱布尼茨大学);L3S Research Center(L3S研究中心)
该研究针对LLM生成反馈泛化、缺乏可操作性的问题,提出基于GRPO强化学习的方法,在三个故事语料库评估中优于Gemini等模型,证实可操作建议是反馈建设性的核心驱动。
2026-09-07 cs.CL
Secret Keepers: The Impact of LLMs on Linguistic Markers of Personal Traits
University of Southern California(南加州大学)
本文评估GPT3.5、Llama 2和Gemini辅助写作对六类个人特质语言标记的影响,发现LLM仅轻微降低预测力,但部分词汇标记可靠性下降。
2024-04-03 cs.CL
Technology-assisted Journal Writing for Improving Student Mental Wellbeing: Humanoid Robot vs. Voice Assistant
本研究对比社交机器人与语音助手辅助日志写作对学生心理健康的影响,实验发现仅机器人辅助组实现情绪改善、更高表露水平及积极感知,验证了具身性智能体在心理支持场景的优势。
2024-03-08 cs.HC
SafeChat: A Framework for Building Trustworthy Collaborative Assistants and a Case Study of its Usefulness
University of South Carolina(南卡罗来纳大学)
针对LLM聊天机器人在可信敏感场景的局限,提出SafeChat框架,通过安全溯源、可用性设计及快速开发特性构建可信协作助手,经ElectionBot-SC案例验证其在多领域的应用价值。
2025-04-15 cs.CL
Script&Shift: A Layered Interface Paradigm for Integrating Content Development and Rhetorical Strategy with LLM Writing Assistants
本文提出 Script&Shift 分层界面范式,通过弥合构想、语义与表达距离,将写作意图对齐 LLM 能力,在保留创作控制与自然写作流的同时支持内容开发和修辞转换。
2025-02-15 cs.HC
AMU:Admission and Memory Update for Personalized Conversations---Structured Memory with SLM Guided Control
Nanchang University(南昌大学)
针对大模型长期交互中记忆写入失控的问题,提出AMU框架,用结构化过滤与SLM引导的存储管理控制记忆准入与更新,实验证明其记忆更干净、更易检索。
2026-10-14 cs.CL
Understanding and Improving Usability of Data Dashboards for Simplified Privacy Control of Voice Assistant Data (Extended Version)
如今,像亚马逊的Alexa、谷歌的语音助手(GVA)和苹果的Siri这样的智能语音助手(VA)软件拥有数百万用户。这些VA经常收集和分析大量的用户数据,以改进其功能。然而,该收集的数据可能包含敏感信息(例如,个人语音记录),用户可能不愿意与其他人共享,并且可能引起严重的隐私问题。为了解决这些问题,谷歌等服务提供商向用户提供了一个个人数据仪表板(称为“我的活动仪表板”),允许他们管理所有语音助手收集的数据。然而,现实世界的GVA数据驱动的理解用户的看法和偏好,关于这些数据(和数据仪表板)仍然相对未被探索在以前的研究。为此,在这项工作中,我们专注于谷歌语音助手(GVA)用户,并调查了GVA用户对数据和仪表板的看法和偏好,同时将其置于GVA收集的真实用户数据中。具体来说,我们进行了一项基于80名参与者调查的用户研究,以收集关于GVA使用的一般看法以及他们GVA数据分层样本的所需隐私偏好。我们发现,大多数参与者对GVA收集的数据类型有肤浅的了解。令人担忧的是,我们发现参与者对与Google共享GVA收集的17.7%的数据元素感到不舒服。当前的“我的活动”仪表板虽然有用,但并不能帮助长期GVA用户有效地管理他们的数据隐私。我们的真实数据驱动的研究发现,向用户显示一个敏感的数据元素可以显着提高数据仪表板的可用性。为此,我们构建了一个分类器,可以检测敏感数据,以获得95%的F1分数,并显示出比基…
2021-10-06 cs.CR cs.HC
Corporate Communication Companion (CCC): An LLM-empowered Writing Assistant for Workplace Social Media
本文提出 LLM 赋能的交互式写作助手 CCC,通过基于职位与历史帖子生成大纲、提供可定制的归因编辑,提升职场社交媒体帖子的个性化与质量。
2024-05-07 cs.HC
Developing a FPGA-supported touchscreen writing / drawing system for educational environments
信息和通信技术的发展对所有领域的做法产生了重大影响,教育也不例外。为了提高教学过程的效率,计算机首先被用于计算机辅助教育。最近,计算机通过专为课堂使用而设计的交互式和智能课堂应用程序对该领域做出了更多贡献。本研究的目的是开发一个低成本,便携式和投影支持的触摸屏,用于教育环境中使用FPGA技术,并测试其可用性。为了研究的目的,上述系统是通过使用必要的硬件和软件开发的,后来它在可用性方面进行了测试。这项可用性测试是针对教师进行的,他们是这个触摸屏书写/绘图系统的目标最终用户。该测试的目的是确定系统的用户友好性、从属性和可用性。使用了几种工具从参与研究的用户那里获得数据。对所收集数据的分析和评价表明,该系统成功地实现了其目标。
2017-04-04 cs.HC
Human Thinking under Plural LLM Assistance: Mathematical Problem Solving and Open-Ended Writing
University of Toronto(多伦多大学)
本文通过两个实验探讨多代理LLM配置是否能提升学习效果,发现与单代理相比,多代理能增强学习成果并避免单一模型的同质化问题。
2026-07-03 cs.CY cs.HC
IDEAIS: Smart Voice Assistants to Improve Interaction with SDIs
一个关键的目标是,组织和公民可以很容易地访问良好治理所需的地理信息。然而,尽管政府为创建和实施空间数据结构(SDI)付出了昂贵的努力,但这一目标还远未实现。部分原因是,用于获取地理信息的地理门户网站缺乏可用性。在这份立场文件中,我们介绍了IDEAIS,一个由多个伊比利亚-美洲合作伙伴组成的研究网络,通过使用智能系统,特别是智能语音助手,有效地恢复和访问地理信息,来解决这一可用性问题。
2019-10-01 cs.CY cs.HC
MindCopilot: Towards Formalizing and Evaluating Granular Human-LLM Co-Writing
University of Science and Technology of China(中国科学技术大学);Shanghai AI Laboratory(上海人工智能实验室)
针对现有主动式写作助手评估仅关注输出质量而忽略用户交互行为的问题,提出基于人类参与马尔可夫决策过程的协作写作形式化模型,并设计交互感知评估套件(Co-Writing Fidelity Suite),通过大规模模拟和用户研究验证其有效性。
2026-05-22 cs.HC
How Problematic Writer-AI Interactions (Rather than Problematic AI) Hinder Writers' Idea Generation
Cornell University(康奈尔大学);University of Chicago(芝加哥大学)
通过案例研究指出,genAI对学生写作创意发展的影响取决于AI、学生及二者互动,设计重点应从更具启发性的AI扩展到更具启发性的写作者–AI互动。
2025-03-14 cs.AI cs.HC
ScholaWrite: A Dataset of End-to-End Scholarly Writing Process
University of Minnesota(明尼苏达大学)
提出ScholaWrite数据集,通过Chrome扩展记录Overleaf上的按键,捕捉从初稿到终稿的多月写作过程,包含5篇计算机科学预印本的近6.2万次文本修改及认知写作意图标注,揭示人类写作与LLM辅助之间的差距。
2026-06-18 cs.CL cs.HC q-bio.NC
Legal Obligation and Ethical Best Practice: Towards Meaningful Verbal Consent for Voice Assistants
为了改善用户体验,Alexa现在允许用户通过语音同意数据共享,而不是将他们引导到配套的智能手机应用程序。虽然语音助理(VA)的口头同意机制可以提高可用性,但它们也可能破坏知情同意的核心原则。我们与来自学术界、工业界和公共部门的专家进行了一项德尔菲研究,探讨自愿性协议中口头同意的要求。候选要求来自文献,法规和研究伦理指南,参与者根据其与同意过程的相关性,平台的可操作性和最终用户的可用性进行评级,并随着研究的进展讨论他们的推理。我们强调了专家之间达成一致的关键领域,为监管机构,技能开发人员和VA平台制定有意义的口头同意机制提出了建议。关键主题包括根据用户选择退出的能力来处理权限,最大限度地减少同意决定,并确保平台遵循既定的同意原则。
2023-01-19 cs.HC
Voice Assistants for Health Self-Management: Designing for and with Older Adults
本文通过五阶段设计过程与老年人共同开发了一款由大语言模型驱动的语音助手,用于解读诊后摘要和生成用药提醒,以应对健康意识和医疗依从性挑战,并总结了个人健康助手在个性化、情境适应和尊重用户自主性方面的关键设计特征。
2025-03-07 cs.HC
Effective Interfaces for Student-Driven Revision Sessions for Argumentative Writing
我们提出了一个基于网络的智能写作助手,帮助学生认识到他们的议论文修改的设计和评估。为了了解我们的复习助手如何最好地支持学生,我们已经实现了我们系统的四个版本,它们在复习分析的单元跨度(句子与子句子)和提供的反馈水平(无,二进制或详细的复习目的分类)方面存在差异。我们首先讨论了系统相关组件背后的设计决策,然后通过与大学生的绿野仙踪研究分析不同版本的功效。我们的研究结果表明,虽然一个简单的界面,没有修改反馈更容易使用,一个界面,提供了一个详细的分类,一个层次的修订是最有帮助的用户调查数据的基础上,以及最有效的基础上提高写作成果。
2021-07-14 cs.HC
Interaction Techniques that Encourage Longer Prompts Can Improve Psychological Ownership when Writing with AI
Cheriton School of Computer Science University of Waterloo(计算机科学学院 温哥华大学);LISN, Université Paris-Saclay, CNRS, Inria(巴黎-萨克雷大学 LISN 团队 CNRS Inria)
研究如何鼓励用户为AI写作生成更长提示以提升心理所有权,评估按压提示提交按钮、滑动滑块两种交互技术,发现能增加提示长度和心理所有权,增加AI建议虽进一步增加提示长度,但未提升心理所有权。
2026-07-14 cs.AI cs.CL cs.HC
Seeking Information with RAG-Assistants: Does Model Size Matter in Human-AI Collaborations?
Leiden University(莱顿大学);TNO(荷兰代尔夫特理工大学);TU Delft(代尔夫特理工大学)
研究评估基于RAG的助手在真实多轮信息检索场景中的表现,探讨模型大小对人机协作动态及用户感知的影响,发现混合系统在信息检索中具有优势。
2026-05-01 cs.AI cs.HC cs.IR
Multitasking with Alexa Multitasking with Alexa: How Using Intelligent Personal Assistants Impacts Language-based Primary Task Performance
智能个人助理(IPAs)应该帮助我们多任务处理。然而,使用国际音标对多任务处理的影响并没有明确量化,特别是在主要任务也是基于语言的情况下。本研究采用双任务范式,观察IPA交互作用如何影响两种不同类型的写作主要任务:复制和生成内容。我们发现,涉及内容生成的写作任务,这是更高的认知要求,并分享更多的IPA使用所需的资源,更显着干扰IPA的互动比要求较低的任务,如复制内容。我们讨论了认知资源理论,包括多资源理论和工作记忆,如何解释这些结果。我们还概述了未来的工作需要中断长度和相关性可能会影响主要任务的性能,以及需要确定用户和IPA导致中断中断的中断时间的影响。
2019-07-26 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
Sign Language-Based versus Touch-Based Input for Deaf Users with Interactive Personal Assistants in Simulated Kitchen Environments
Gallaudet University(加劳德特大学);University of Connecticut(康涅狄格大学);University of Maryland(马里兰大学)
本研究比较了手语与触屏输入在模拟厨房环境中的可用性,发现手脏情况下手语更受聋人用户欢迎,但效果不如清洁手时明显。
2026-01-22 cs.HC
Assessment of Sign Language-Based versus Touch-Based Input for Deaf Users Interacting with Intelligent Personal Assistants
本研究针对聋人用户,对比了美国手语、Tap to Alexa与智能家居应用和智能个人助理交互的可用性,发现手语可用性略优,并探讨了有限词汇应用设计对通用手语识别的推进意义。
2024-04-22 cs.HC
Voice CMS: updating the knowledge base of a digital assistant through conversation
Orange Research(奥兰治研究)
本研究提出一种基于多智能体LLM架构和语音用户界面(VUI)的解决方案来更新数字助理知识库。对比实验表明,尽管VUI整体可用性低于图形界面,但在低复杂度任务中更受用户偏好,且输入内容质量相当,混合界面有望解决认知负荷等挑战。
2025-05-28 cs.AI cs.HC cs.MA
AI-Assisted Writing in Education: Ecosystem Risks and Mitigations
University of Technology Sydney(悉尼科技大学)
本文聚焦教育AI写作助手的生态系统影响,结合某大学9年写作反馈工具的研产经验,指出关键生态考量与忽视风险,为工具设计适配情境、平衡创新与实效提供参考。
2024-05-14 cs.AI cs.HC