Who Explains Privacy Policies to Me? Embodied and Textual LLM-Powered Privacy Assistants in Virtual Reality
Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI) Dresden/Leipzig, Leipzig University(莱比锡大学可扩展数据分析与人工智能中心);LMU Munich(慕尼黑大学);University of the Bundeswehr Munich(联邦国防军慕尼黑大学)
本研究提出基于大型语言模型的虚拟现实隐私助手,通过文本和具身交互模式提升用户对隐私政策的理解和决策质量。
2026-03-02 cs.HC
AR Secretary Agent: Real-time Memory Augmentation via LLM-powered Augmented Reality Glasses
针对日常人际互动中难回忆交往细节的问题,研究结合LLM与计算机视觉打造AR Secretary Agent智能体,可通过AR眼镜实时提供交谈对象识别与过往讨论总结,用户研究显示其能带来最高20%的记忆提升。
2025-05-17 cs.HC
ConversAR: Exploring Embodied LLM-Powered Group Conversations in Augmented Reality for Second Language Learners
本文提出ConversAR,一个由gpt-4o驱动的AR应用,通过两个具备视觉场景理解和实时字幕的具身LLM代理,支持第二语言学习者进行情境化群体对话练习,有效降低了说话焦虑并提升了学习自主性。
2025-05-29 cs.HC
Learning Geometric Transformations for Parametric Design: An Augmented Reality (AR)-Powered Approach
尽管建筑设计中的参数化建模方法取得了显著的发展,但仍然存在一个重要的问题,即缺乏有关建筑建模中参数化设计专业实施的知识和技能。考虑到数字/参数化建模在快速原型和仿真中的众多优势,大多数教师鼓励学生甚至从设计的早期阶段就使用数字建模;然而,在建筑教学中很少提供适当的背景来学习数字设计思维的基础知识。本文提出了一种教育工具,特别是一个增强现实(AR)的干预,以帮助学生了解参数建模的基本概念,然后再潜入复杂的参数建模平台。AR干预的目标是说明几何变换和相关的数学函数,以便学生学习参数建模算法思想背后的数学逻辑。我们已经开发了BRICKxAR_T,这是一个教育AR原型,旨在帮助学生在沉浸式空间AR环境中学习几何变换。在AR干预中使用LEGO套件作为物理操作,以支持物理交互并通过身体姿势提高空间技能。
2021-09-02 cs.HC
Recent Advances and Future Directions in Extended Reality (XR): Exploring AI-Powered Spatial Intelligence
The Chinese University of Hong Kong(香港中文大学)
本文综述扩展现实(XR)技术的最新进展,基于硬件与软件框架分析SOTA产品性能,并探讨AI与空间智能驱动的未来方向,强调多模态AI与数字孪生集成以实现自适应XR系统。
2025-04-22 cs.CV cs.HC cs.MA
Influence of Personality and Communication Behavior of a Conversational Agent on User Experience and Social Presence in Augmented Reality
TU Berlin(柏林工业大学);German Research Center for Artificial Intelligence (DFKI)(德国人工智能研究中心);Hamm-Lippstadt University of Applied Sciences(哈姆-利普施塔特应用科技大学)
该研究针对AR对话智能体人格与非言语行为的影响机制不明确的问题,通过30名用户与两种人格、两种肢体语言的虚拟助手的交互实验,证实智能体表征、幽默感及肢体语言对用户体验与社会存在感存在显著影响。
2024-03-14 cs.HC
AI-Powered Augmented Reality as a Threat Vector for Human Manipulation
Unanimous AI
本文探讨了AI赋能的增强现实技术在被第三方控制时可能带来的操控风险,并提出政策建议以降低此类风险。
2026-01-14 cs.CY cs.HC
LMCanvas: Object-Oriented Interaction to Personalize Large Language Model-Powered Writing Environments
KAIST(韩国科学技术院);New York University(纽约大学);Naver AI Lab(Naver人工智能实验室);Google(谷歌)
大语言模型(LLM)可以通过自动化或支持作者工作流中的特定任务(例如,释义,创造类比)。利用这种能力,已经开发了一系列接口,为特定的编写任务提供了LLM驱动的工具。然而,这些界面为作者为自己独特的任务创建个人工具提供了有限的支持,并且可能无法全面满足作者的需求-要求他们在写作期间不断在界面之间切换。在这项工作中,我们设想LMCanvas,一个界面,使作家能够创建自己的LLM供电的写作工具,并安排他们的个人写作环境,通过与画布中的“块”进行交互。在这个界面中,用户可以创建文本块来封装书写和LLM提示,模型参数配置的模型块,并连接这些以创建输出生成的管道块。在这篇研讨会论文中,我们讨论了LMCanvas的设计以及我们开发这一概念的计划。
2023-03-27 cs.CL cs.HC
LearnMate: Enhancing Online Education with LLM-Powered Personalized Learning Plans and Support
本文提出 LearnMate 系统,依据个性化学习文献设计指南,驱动 LLM 生成定制学习计划并提供实时支持,以改善在线教育的个性化体验。
2025-03-17 cs.HC
MineXR: Mining Personalized Extended Reality Interfaces
MineXR提出一种设计挖掘工作流与数据分析平台,通过用户手机截图创建并预览个性化XR界面,收集31名参与者的695个XR小部件数据集,为未来XR界面设计提供洞察与开源支持。
2024-03-12 cs.HC
Personalized Parsons Puzzles as Scaffolding Enhance Practice Engagement Over Just Showing LLM-Powered Solutions
针对学生使用LLM学习编程可能直接获取答案而缺乏学习投入的问题,研究将LLM驱动的个性化Parsons谜题作为编程练习脚手架,通过80分钟随机对照实验发现,该方式比直接展示完整LLM解决方案更能提升学生遇困时的练习投入时长。
2025-01-16 cs.CY cs.HC
LearnMate^2: Design and Evaluation of an LLM-powered Personalized and Adaptive Support System for Online Learning
University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
本文设计并评估了基于大语言模型的个性化学习支持系统LearnMate^2,通过提供个性化学习计划、实时上下文帮助和自适应学习活动,提升学习效果和用户体验。
2026-05-07 cs.HC
InteRecon: Towards Reconstructing Interactivity of Personal Memorable Items in Mixed Reality
针对个人纪念物品数字化方法无法保留现实交互性的问题,提出交互式数字物品(IDI)概念并开发AR原型InteRecon,实现物品物理外观与交互性的重建,为增强个人记忆存档提供新机遇。
2025-02-14 cs.HC
Understanding the Use of a Large Language Model-Powered Guide to Make Virtual Reality Accessible for Blind and Low Vision People
Cornell University(康奈尔大学)
研究探讨了利用大型语言模型驱动的指南提升视障和低视力用户虚拟现实可访问性的问题,通过实验发现用户在不同情境下对指南的不同反应,提出未来设计建议。
2026-03-30 cs.AI cs.ET cs.HC
An Empirical Evaluation of AI-Powered Non-Player Characters' Perceived Realism and Performance in Virtual Reality Environments
Center for Ubiquitous Computing, University of Oulu(无处不在计算中心,奥卢大学)
本文在VR审讯模拟器中评估了基于GPT-4 Turbo的AI驱动NPC,通过18人用户研究测量其感知真实感、可用性与系统延迟,发现系统可用性良好但需优化延迟与情感深度。
2025-07-14 cs.AI cs.HC cs.MM
Dataset of an EEG-based BCI experiment in Virtual Reality and on a Personal Computer
我们描述了一个数据集的实验过程,我们已经在https://doi.org/10.5281/zenodo.2605204上以mat(Mathworks,Natick,USA)和CSV格式公开提供。该数据集包含21名受试者在PC(个人计算机)和VR(虚拟现实)上进行视觉P300实验的脑电图记录。视觉P300是由视觉刺激引起的事件相关电位,在刺激开始后240-600 ms达到峰值。该实验的目的是为了比较使用基于P300的脑机接口在PC上,并与虚拟现实耳机,有关的生理,主观和性能方面。脑机接口是基于脑电图(EEG)的。脑电图记录感谢16个电极。该虚拟现实头戴式设备由无源盔装显示器组成,即,除了智能手机之外不包括任何电子设备的盔装显示器。该实验于2018年在GIPSA实验室(格勒诺布尔阿尔卑斯大学,CNRS,Grenoble-INP)进行,并由IHMTEK公司(Interaction Homme-Machine Technologie)推广。该研究得到了格勒诺布尔-阿尔卑斯大学伦理委员会(Comit{é} d 'Escherque pour la Recherche Non-Interventionnelle)的批准。用于操作数据的Python代码可在https://github.com/plcrodrigues/py.VR.EEG.2018-GIPSA上获得。该数据集的ID为VR.EEG.…
2019-03-27 cs.HC
Exploring LLM-Powered Role and Action-Switching Pedagogical Agents for History Education in Virtual Reality
本研究开发了基于大语言模型的自适应角色与动作切换教学智能体虚拟现实原型,通过84人实验发现角色切换提升可信度与专业性但可能造成体验不一致,动作切换增强社会临场感、专业性和拟人化,并据此提出五项设计启示。
2025-05-05 cs.HC
From Voices to Worlds: Developing an AI-Powered Framework for 3D Object Generation in Augmented Reality
Virginia Tech(弗吉尼亚理工大学)
本研究提出AI驱动的AR实时3D物体生成框架Matrix,整合多模态AI技术实现语音交互,通过网格优化和预生成物体库降低资源消耗,可应用于多领域且开源可扩展。
2025-03-04 cs.AI cs.HC
ARChef: An iOS-Based Augmented Reality Cooking Assistant Powered by Multimodal Gemini LLM
Cupertino High School(库比蒂诺高中);University of California, Santa Barbara(加州大学圣巴巴拉分校)
针对传统烹饪方式的痛点及现有AR烹饪应用的不足,研究提出基于iOS的ARChef原型,结合多模态Gemini LLM、CV与ARKit实现食材识别、个性化食谱推荐等功能,经用户调研验证有效,助力减少食物浪费、优化烹饪体验。
2024-12-09 cs.AI cs.HC
CLiVR: Conversational Learning System in Virtual Reality with AI-Powered Patients
The University of Texas at Tyler(德克萨斯理工大学)
针对传统医护模拟训练资源消耗大、难扩展的问题,研究推出整合大语言模型、语音处理与3D化身的VR对话学习系统CLiVR,专家研究验证其接受度高,可作为SP培训的沉浸式补充方案。
2025-10-21 cs.AI cs.CY cs.HC
pARam: Leveraging Parametric Design in Extended Reality to Support the Personalization of Artifacts for Personal Fabrication
pARam结合参数化设计与扩展现实,支持个人制造工件的原位配置,通过手势和光照评估等实用输入简化定制,并在HoloLens 2上验证了其有效性。
2024-03-14 cs.GR cs.HC
Enter: Graduated Realism: A Pedagogical Framework for AI-Powered Avatars in Virtual Reality Teacher Training
University of Maryland(马里兰大学)
本研究针对VR教师培训中AI学生虚拟形象真实感的最优水平问题,提出渐进式真实感教学框架及Crazy Slots单次调用架构,为AI模拟器设计提供循证原则。
2025-06-13 cs.AI cs.HC
I, Robot? Exploring Ultra-Personalized AI-Powered AAC; an Autoethnographic Account
Cornell Tech(康奈尔科技);University of Maryland(马里兰大学)
本文探讨超个性化AI驱动的AAC系统对用户自主权、身份和隐私的影响,通过自传式研究发现个性化建议重塑了交流方式,强调了设计支持真实表达的AAC技术的重要性。
2026-02-20 cs.CY cs.HC
DataliVR: Transformation of Data Literacy Education through Virtual Reality with ChatGPT-Powered Enhancements
本文提出融合 VR 与 ChatGPT 虚拟化身的 DataliVR,通过30人实验验证其能显著改善大学生数据素养的学习体验与结果。
2024-09-13 cs.HC
Integrating Personality into Digital Humans: A Review of LLM-Driven Approaches for Virtual Reality
本文综述了利用大语言模型驱动虚拟现实中的数字人类人格塑造方法,探讨了零样本、少样本和微调等技术,并指出计算需求、延迟及多模态交互评估框架缺乏等挑战。
2026-03-15 cs.AI cs.CL cs.HC
MAP: Multi-user Personalization with Collaborative LLM-powered Agents
Department of Computer Sciences University of Wisconsin--Madison(威斯康星大学麦迪逊分校计算机科学系)
针对多用户场景下LLM智能体的偏好适配与指令冲突问题,提出含三阶段的以用户为中心的个性化工作流,并构建多智能体系统MAP落地该流程,用户研究验证了其有效性与可用性。
2025-03-18 cs.AI cs.HC cs.RO
Supporting The Many Lives of Personal Data with Rebite: LLM-Powered Goal-Directed Framing in Food Journaling
University of California, Irvine(加州大学欧文分校)
该研究针对个人信息系统难以适应用户变化目标的问题,提出目标导向的框架构建方法,实现为Rebite系统,经21名参与者一周测试,可优化用户对饮食目标的互动与反思。
2026-08-24 cs.HC
Spiders Based on Anxiety: How Reinforcement Learning Can Deliver Desired User Experience in Virtual Reality Personalized Arachnophobia Treatment
University of Alberta(阿尔伯塔大学)
本文提出结合程序化内容生成与强化学习的VRET框架,自动调整虚拟蜘蛛以精准引发患者期望的焦虑反应,解决了手动选择和规则方法适应性差的问题,并验证其优于传统基于规则的方法。
2025-08-21 cs.HC cs.LG
Enhancing Patient Acceptance of Robotic Ultrasound through Conversational Virtual Agent and Immersive Visualizations
本文提出将大语言模型驱动的对话式虚拟代理与三种混合现实可视化结合,用于引导机器人超声操作,并通过用户研究验证其能显著提升患者的信任与接受度。
2025-02-14 cs.HC
Personal Augmented Reality for Information Visualization on Large Interactive Displays
在这项工作中,我们提出了结合大型交互式显示器与个人头戴式增强现实(AR)的信息可视化,以促进数据的探索和分析。尽管大型显示器提供了更多的显示空间,但它们在感知、有效的多用户支持以及管理数据密度和复杂性方面具有挑战性。为了解决这些问题并说明我们提出的设置,我们贡献了一个广泛的设计空间,首先包括AR空间中显示,可视化和对象的空间对齐。接下来,我们讨论可视化的哪些部分可以增强。最后,我们分析了如何使用AR来显示个人视图,以显示额外的信息,并最大限度地减少数据分析师的相互干扰。基于这个概念的基础上,我们提出了一些示例性的技术扩展与AR可视化,并讨论他们的关系,我们的设计空间。我们进一步描述了这些技术如何解决典型的可视化问题,我们已经确定在我们的文献研究。为了研究我们的概念,我们介绍了一个通用的AR可视化框架以及实现几个示例技术的原型。为了展示它们的潜力,我们进一步提出了一个用例演练,在其中我们分析了一个电影数据集。从这些经验中,我们得出结论,贡献的技术可以是有用的,在探索和理解多元数据。我们相信,使用AR扩展大型显示器以实现信息可视化,在数据分析和意义构建方面具有巨大的潜力。
2020-10-19 cs.HC
Exploring User Acceptance and Concerns toward LLM-powered Conversational Agents in Immersive Extended Reality
研究探讨了沉浸式扩展现实中基于大语言模型的对话代理的用户接受度与担忧,发现熟悉度和性别影响接受度,位置数据敏感性最高。
2025-12-17 cs.AI cs.CY cs.HC
Deaf and Hard of Hearing Access to Intelligent Personal Assistants: Comparison of Voice-Based Options with an LLM-Powered Touch Interface
Gallaudet University(加拉维特大学);University of California, Berkeley(加州大学伯克利分校);Pennsylvania State University(宾夕法尼亚州立大学)
本研究比较了语音识别与LLM驱动触控界面在聋人和听力障碍者使用智能个人助手中的可用性,发现两者无显著差异,但需改进对聋人语音的识别能力。
2026-01-22 cs.AI cs.HC
Inferring Private Personal Attributes of Virtual Reality Users from Head and Hand Motion Data
本研究通过分析1006名VR用户游玩《Beat Saber》的头手运动数据,用简单机器学习模型可推断40余种个人属性,揭示VR运动数据的隐私泄露风险,呼吁多用户VR应用部署隐私保护机制。
2023-06-10 cs.CR cs.HC
Beyond Reality: Designing Personal Experiences and Interactive Narratives in AR Theater
University of California Santa Barbara(加州大学圣塔芭芭拉分校)
该研究利用增强现实技术融合现场戏剧与虚拟代理,构建沉浸式AR剧场系统,赋予用户完全能动性,同时确保叙事受控且交互自然。
2025-10-25 cs.HC
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
Cross-Reality Re-Rendering: Manipulating between Digital and Physical Realities
University of Oxford(牛津大学)
个性化现实的时代已经到来。AR/MR/VR的快速发展使用户能够增强或减弱他们对物理世界的感知。强大的数字接口修改工具使用户能够更改其软件的运行方式。随着数字现实成为人类生活中越来越有影响力的方面,我们研究了一个系统的设计,使用户能够操纵他们的物理现实和数字现实的感知。用户可以从任一现实中检查他们的视图历史,并生成可以实时跨现实交互渲染的干预措施。个性化的干预措施可以生成面具,文本和模型挂钩。用户之间的合作扩大了干预措施的可用性。我们验证我们的实现对我们的设计需求与认知步行,人物角色,和可扩展性测试。
2022-11-24 cs.CV cs.HC
BrickStARt: Enabling In-situ Design and Tangible Exploration for Personal Fabrication using Mixed Reality
针对3D打印设计非原位操作门槛高的问题,研究开发了搭配混合现实头显与实体积木的BrickStARt工具,支持原位设计与实体测试,用户研究显示其对新手的3D建模成功率高于Tinkercad。
2023-10-05 cs.HC
PILAR: Personalizing Augmented Reality Interactions with LLM-based Human-Centric and Trustworthy Explanations for Daily Use Cases
University of Missouri-Columbia(密苏里大学哥伦比亚分校)
PILAR通过基于LLM的个性化解释提升AR交互的可信度和用户体验
2025-12-19 cs.AI cs.HC
Enhancing Job Interview Preparation Through Immersive Experiences Using Photorealistic, AI-powered Metahuman Avatars
本研究通过具备精准语音识别的AI照片级数字人面试官,在VR、AR、桌面端开展模拟软件工程面试,结合主观反馈与生物传感器数据评估用户体验,以优化求职面试准备效果。
2024-10-07 cs.HC
The Choreography of Augmented Reality Timelines: Studying the Relative Position, Chronology, & Situatedness of Event Sequences
Simon Fraser University(西蒙菲莎大学);University of Waterloo(滑铁卢大学)
通过用户研究探索物理空间中历史与个人时间线的布局策略,提出基于增强现实的编排式时间线创建方法。
2026-06-05 cs.HC
SAGE: Sensor-Augmented Grounding Engine for LLM-Powered Sleep Care Agent
Imperial College London(帝国理工学院);KIST(韩国科学技术院)
SAGE通过整合传感器数据,解决睡眠护理中数据与行动之间的鸿沟问题,提升个性化和信任度。
2026-03-15 cs.HC
Sign in the Air to Unlock: An Interface for authentication in Virtual and Augmented Reality Powered by Point-Voxel Cross-Attention Network
提出一种空中签名认证接口,利用点-体素交叉注意力网络(PV-Net)建模3D轨迹的局部运动与全局结构,在公开和自建数据集上实现低错误率,支持沉浸式环境中的自然交互认证。
2026-07-16 cs.CR cs.CV cs.HC
Embedding Large Language Models into Extended Reality: Opportunities and Challenges for Inclusion, Engagement, and Privacy
Technical University of Munich(慕尼黑工业大学);University of Tübingen(蒂宾根大学)
该研究提出将大语言模型嵌入XR的虚拟化身或叙事中,通过提示工程与微调提升包容性与用户参与度,同时指出该结合可能引发新型隐私风险,认为该领域虽有挑战但前景广阔。
2024-06-20 cs.AI cs.HC
CodeTailor: LLM-Powered Personalized Parsons Puzzles for Engaging Support While Learning Programming
本文提出 CodeTailor 系统,利用 LLM 为编程学习者生成个性化 Parsons 谜题,在提供支持的同时保持认知参与度,实验表明其比直接给出代码方案更能提升学习效果和参与度。
2024-05-30 cs.CY cs.HC
Reality Copilot: Voice-First Human-AI Collaboration in Mixed Reality Using Large Multimodal Models
George Mason University(乔治梅森大学)
Reality Copilot通过大模型实现混合现实中的语音优先人机协作,支持环境理解、3D生成和实时检索。
2026-02-11 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
Mix&Match: Towards Omitting Modelling Through In-Situ Alteration and Remixing of Model Repository Artifacts in Mixed Reality
工具对模型工件的可访问性是采用个人制造的核心驱动因素之一。随后,像Thingiverse这样的模型存储库成为(新手)制作者流程中的重要工具。它们允许他们缩短甚至省略设计过程,将大部分工作卸载给其他方。然而,像测量周围约束(例如,只存在于用户环境内部的许可证)不能同样外包。我们提出了混合与匹配的混合现实为基础的系统,允许用户浏览模型库,预览模型在原位,并使它们适应他们的环境中一个简单而直接的方式。Mix&Match旨在为用户提供可以基于虚拟和真实几何的CSG操作。我们提出了Mix&Match的交互模式和场景,主张将混合现实和模型库相结合。这使得新手和专家制造者几乎可以免费进行个人制造。
2020-03-20 cs.HC
Beyond Answers: Large Language Model-Powered Tutoring System in Physics Education for Deep Learning and Precise Understanding
本文提出 LLM 驱动的 Physics-STAR 个性化物理辅导框架,并通过12名高二学生对照实验证明其能提升多类题型成绩与学习效率。
2024-06-16 cs.HC physics.ed-ph
SpeechLess: Micro-utterance with Personalized Spatial Memory-aware Assistant in Everyday Augmented Reality
Stony Brook University(石溪大学);Georgia Institute of Technology(佐治亚理工学院)
SpeechLess通过个性化空间记忆实现语音意图粒度控制,减少公共场合说话的不适,提升日常信息获取效率。
2026-04-10 cs.CL cs.ET cs.HC
AfforDance: Personalized AR Dance Learning System with Visual Affordance
本文提出基于AR的AfforDance系统,融合3D虚拟化身、音频同步与自适应视觉提示,将舞蹈视频转化为个性化交互学习体验。
2025-05-14 cs.HC
Enabling Data-Driven and Empathetic Interactions: A Context-Aware 3D Virtual Agent in Mixed Reality for Enhanced Financial Customer Experience
Global Technology Applied Research, JPMorganChase(摩根大通全球技术应用研究部门)
本文提出一种结合混合现实和视觉语言模型的情境感知3D虚拟智能体系统,通过个性化交互与严格隐私标准,提升金融和零售领域的客户服务体验。
2024-10-15 cs.AI cs.ET cs.HC
"Real Learner Data Matters" Exploring the Design of LLM-Powered Question Generation for Deaf and Hard of Hearing Learners
本研究针对聋人和听障学习者的视频学习需求,提出利用LLM生成视觉问题和情绪问题两类个性化测验题目,并通过用户研究验证其有效性,同时指出交互可访问性及语言文化多样性仍是设计中的关键挑战。
2024-09-30 cs.HC
Customizing Emotional Support: How Do Individuals Construct and Interact With LLM-Powered Chatbots
本研究开发了ChatLab平台,让用户构建具备语音和虚拟形象的LLM情感支持聊天机器人,通过为期一周的实地研究揭示了用户如何创建多样化角色以促进开放对话,并探讨了新兴AI技术增强个性化情感支持的机会。
2025-04-18 cs.HC
Rescriber: Smaller-LLM-Powered User-Led Data Minimization for LLM-Based Chatbots
Northeastern University(东北大学)
针对LLM聊天机器人中用户敏感信息过度披露且现有技术缺乏用户参与的问题,本文设计浏览器扩展Rescriber,通过小语言模型帮助用户检测清理提示中的个人信息,实现用户主导的数据最小化,研究表明其能减少不必要披露、缓解隐私担忧,且小模型驱动的系统感知效果与大模型相当。
2025-02-11 cs.AI cs.CR cs.HC