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
Panza: Design and Analysis of a Fully-Local Personalized Text Writing Assistant
Institute of Science and Technology Austria（奥地利科学技术研究所）；Massachusetts Institute of Technology（麻省理工学院）
本文提出Panza，一个完全本地化的个性化邮件写作助手，结合Reverse Instructions微调与RAG，在极少量数据和有限资源下模仿用户写作风格，并首次系统研究该任务的评估指标，同时揭示少量写作样本即可被用于低成本模仿攻击的安全风险。
2025-02-10 cs.AI cs.CL cs.HC
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
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
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
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
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
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
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
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
Outcome Accuracy is Not Enough: Aligning the Reasoning Process of Reward Models
Alibaba Group（阿里巴巴集团）；Fudan University（复旦大学）；Tsinghua University（清华大学）
本文提出推理一致性度量，结合结果准确性改进生成奖励模型训练，提升RLHF性能并减少欺骗性对齐问题。
2026-02-04 cs.CL
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
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
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
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
Compromising Honesty and Harmlessness in Language Models via Deception Attacks
University of Stuttgart（斯图加特大学）
本研究提出欺骗攻击，通过微调使LLM在特定主题上选择性欺骗，同时保持其他方面准确，揭示其在高风险领域的安全漏洞，并发现此类攻击常伴随有害内容生成，强调了防御的必要性。
2025-06-23 cs.AI cs.CL cs.CY
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
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
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
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
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
Creating an Atomic User Model for Personality-Aware Large Language Model Interaction
Indian Institute of Science (IISc)（印度科学学院）
针对大语言模型助手个性化，提出原子用户模型（AUM），以可解释的身份核心与外壳表示用户，通过检索而非提示前缀实现高效风格匹配，显著提升声音识别率，且对默认服务最差的用户收益最大。
2026-09-17 cs.AI cs.CL cs.HC
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
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
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
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
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
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
Quantifying the Risks of Tool-assisted Rephrasing to Linguistic Diversity
University of Konstanz（康斯坦茨大学）
本文首次在多领域人类文本语料库上测量改写工具带来的语义与词汇变化，以量化大语言模型被广泛采用时对语言多样性的潜在风险。
2024-10-23 cs.CL
The Shrinking Landscape of Linguistic Diversity in the Age of Large Language Models
University of Southern California（南加利福尼亚大学）；Information Science Institute（信息科学研究所）
该研究通过三项针对超88万篇文本的研究，发现广泛使用大语言模型作为写作助手会降低语言多样性，使写作风格同质化、复杂性方差下降21%-50%，对多领域存在潜在影响。
2026-08-26 cs.CL
DataTales: Investigating the use of Large Language Models for Authoring Data-Driven Articles
Tableau Research（Tableau研究院）
本文通过设计原型系统DataTales，探究利用大型语言模型辅助数据驱动文章撰写的可行性与价值，并基于11位专业人士的定性研究提炼出LLM作为撰写助手的设计机会。
2023-08-08 cs.CL 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
Templated or fully synthetic? Prompt construction as a confound in measuring LLM political stance beyond writing assistance
The National Center for AI in Society (CAISA), University of Copenhagen（哥本哈根大学社会人工智能国家中心（CAISA））
该研究针对LLM政治立场检测中模板化提示的混淆问题，扩展IssueBench框架，提出用LLM生成的完全合成提示，验证其在立场测量中更具生态效度，可减少估计偏差。
2026-08-13 cs.CL cs.CY
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
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
Algorithmic Ghost in the Research Shell: Large Language Models and Academic Knowledge Creation in Management Research
University of Portsmouth（朴茨茅斯大学）；Varna University of Management（瓦尔纳管理大学）；Zangador Research Institute（赞加多尔研究所）；Bournemouth University（伯恩茅斯大学）
本文基于对研究人员先前如何使用语言模型GPT来协助执行数据分析以外的学术知识创造任务的范围审查（2018年至2023年1月），研究了大语言模型在学术知识创造中的作用。这些任务包括编写，编辑，审查，数据集创建和策展，这些任务很难使用早期的ML工具执行。基于对这些论文的综合，本研究确定了未来学术研究前景的途径，该前景将基于当前作为合著者、研究助理和受访者在已发表文章中采用的模式，更广泛地使用大语言模型。
2023-03-10 cs.CL
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
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
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
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
SparkRA: A Retrieval-Augmented Knowledge Service System Based on Spark Large Language Model
iFLYTEK Research（讯飞研究院）；University of Science and Technology of China（中国科学技术大学）；Harbin Institute of Technology（哈尔滨工业大学）；National Science Library, Chinese Academy of Sciences（中国科学院国家科学图书馆）
该研究基于讯飞星火大模型开发面向科技文献的SciLit-LLM，构建了具备文献调研、论文阅读、学术写作功能的知识服务系统SparkRA，截至2024年7月底已获超5万注册用户、130万次使用。
2024-08-13 cs.CL
The Manipulative Power of Voice Characteristics: Investigating Deceptive Patterns in Mandarin Chinese Female Synthetic Speech
本研究首次系统探究中文女声合成语音中基于语音特征的欺骗性黑暗模式，通过操纵5种语音特征的3种强度在不同场景下开展实验，发现存在显著行为操纵效应，效果受特征、场景及用户感知等中介，为伦理设计提供依据。
2025-08-01 cs.HC
Red Teaming Language Model Detectors with Language Models
University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
本文研究LLM检测器在对抗攻击下的鲁棒性，提出利用辅助LLM进行同义词替换和指令提示搜索两种攻击策略，实验证明这些攻击有效损害了所有检测器的性能，凸显了提升检测系统鲁棒性的迫切需求。
2023-10-19 cs.CL cs.LG
Users Mispredict Their Own Preferences for AI Writing Assistance
Microsoft（微软公司）；Massachusetts Institute of Technology（麻省理工学院）
研究发现用户自我报告的偏好与实际行为存在显著差异，基于用户自我报告的AI写作系统效果不佳，而基于行为模式的系统表现更优。
2026-01-08 cs.CL cs.HC
Interaction-Required Suggestions for Control, Ownership, and Awareness in Human-AI Co-Writing
本文研究生成式AI写作界面中强制人类参与的交互设计，提出预测文本输入助手响应和高亮编辑机会两种技术，以提升用户的认知参与、控制力和写作主体性。
2025-04-11 cs.HC
What Makes an AI Writing Companion a Good Fit? A Personality-Informed Co-Design Study
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Texas Christian University（德克萨斯基督教大学）
本文通过24名不同性格特征的作家参与的协同设计工作坊，探讨性格如何影响对AI写作助手的期望，并展示基于性格的设计如何提升人机协作效率。
2026-05-01 cs.HC
"Pragmatic Tools or Empowering Friends?" Discovering and Co-Designing Personality-Aligned AI Writing Companions
本研究通过协同设计工作坊和原型测试，探讨了人格如何影响用户对AI写作伴侣的偏好，证明人格对齐设计能有效提升人机协作中的用户参与度与生产力。
2025-09-14 cs.HC
Generative AI in K-12 Education: The CyberScholar Initiative
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Universidade Federal de Sergipe（塞尔希培联邦大学）；Zhetysu University named after I. Zhansugurov（以I.詹苏古罗夫命名的杰特苏大学）
本文通过CyberScholar生成式AI写作辅助工具的试点，探究其在多学科K-12教育场景中的应用，发现该工具可提供有效反馈并推动师生角色转变，支持学生写作与批判性思维发展。
2025-08-20 cs.AI cs.CY cs.HC
