Real-Time Multimodal Cognitive Assistant for Emergency Medical Services
University of Virginia（弗吉尼亚大学）
本文提出可穿戴多模态认知助手 CognitiveEMS，融合语音识别、图注意力协议预测与音视频动作识别，在 EMS 场景中显著提升识别准确率并支持边缘实时辅助。
2024-03-11 cs.AI cs.CL cs.CV
Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task
MIT Media Lab（麻省理工学院媒体实验室）；MIT（麻省理工学院）；Wellesley College（韦尔斯利学院）
研究发现使用LLM辅助写作会导致认知负担增加，长期依赖LLM可能影响学习效果。
2025-12-31 cs.AI
A Prompt-Engineering Approach to Develop Scalable, Flexible, and Real-Time Hybrid Micro-Level Personalization in a General Purpose AI Teaching Assistant
Georgia Institute of Technology（佐治亚理工学院）
本研究提出基于提示工程的框架，通过六个学习者维度和布鲁姆教育目标分类法，在无需重新训练LLM的情况下实现通用AI助教的个性化，经实验验证可产生自适应响应。
2026-09-04 cs.AI
How Do Students Interact with an LLM-powered Virtual Teaching Assistant in Different Educational Settings?
Georgia Institute of Technology（佐治亚理工学院）
本文分析了学生与LLM驱动的虚拟教学助手Jill Watson在多课程中的交互，发现其支持广泛认知需求并鼓励高阶认知提问，但使用频率受课程环境影响，为未来AI教育工具开发提供了启示。
2024-07-25 cs.AI cs.CY
KnowSim: Evaluating Information Calibration in LLM Assistants with User Simulators that Learn
University of Michigan（密歇根大学）；KAIST（韩国科学技术院）；Microsoft Research（微软研究院）
本研究提出KNOWSIM框架，通过带显式知识状态的用户模拟器评估LLMs的信息校准，验证后其性能优于基线，可揭示用户知识水平与LLMs的适配关系。
2026-08-19 cs.AI cs.CL cs.HC
CodeAid: Evaluating a Classroom Deployment of an LLM-based Programming Assistant that Balances Student and Educator Needs
University of Toronto（多伦多大学）；Microsoft Research（微软研究院）；The University of Auckland（奥克兰大学）
本文开发并部署了不直接泄露代码答案的编程助手CodeAid，基于700名学生一学期的使用数据与师生访谈，提出四项面向未来教育AI助手的设计原则。
2024-02-25 cs.AI cs.HC
A Grounded Memory System For Smart Personal Assistants
Honda Research Institute Europe（本田研究院欧洲分部）
本文提出一种面向智能个人助理的接地记忆系统，通过视觉语言模型与大型语言模型协同感知、向量增强知识图谱存储，并结合语义搜索与图查询的 RAG 问答，支撑现实场景应用。
2025-05-09 cs.AI
LLMs as Writing Assistants: Exploring Perspectives on Sense of Ownership and Reasoning
Shahjalal University of Science and Technology（沙贾拉勒科技大学）；Independent University（独立大学）；BRAC University（BRAC大学）
本文通过简短调查探讨了使用 LLMs 作为写作助手时引发的所有权意识困境与认知过程，旨在深入了解写作中的人机交互以改进写作辅助系统。
2024-10-02 cs.AI cs.CL cs.CY
OGA-AID: Clinician-in-the-loop AI Report Drafting Assistant for Multimodal Observational Gait Analysis in Post-Stroke Rehabilitation
Rehabilitation Research Institute of Singapore, Nanyang Technological University, Singapore（新加坡康复研究中心，南洋理工大学，新加坡）；Lee Kong Chian School of Medicine, Nanyang Technological University, Singapore（李光前医学院，南洋理工大学，新加坡）；The Grainger College of Engineering, University of Illinois Urbana-Champaign, United States（伊利诺伊大学厄巴纳-香槟分校格雷格学院，美国）；Department of Rehabilitation Sciences, The Hong Kong Polytechnic University, Hong Kong（香港理工大学康复科学系，香港）；VinUni-Illinois Smart Health Center, VinUniversity, Vietnam（Vin大学Vin-伊利诺伊智能健康中心，越南）；Institute of Rehabilitation Excellence, Tan Tock Seng Hospital, NHG Health, Singapore（卓越康复研究所，坦托克桑格医院，NHG健康，新加坡）
提出OGA-AID，一种临床医生在环的多智能体大语言模型系统，通过协调三个专业智能体合成患者运动记录、运动学轨迹和临床资料，生成结构化步态评估报告，在真实患者数据上优于单次多模态基线，并展示了AI辅助分析与人类临床判断的互补关系。
2026-06-05 cs.AI cs.HC
The Impact of LLM-Assistants on Software Developer Productivity: A Systematic Review and Mapping Study
Queen's University（女王大学）
本文通过综述39项研究，探讨LLM助手对软件开发者生产力的影响，发现多数研究显示积极效益，但存在认知卸载和团队协作风险，研究指出需更全面的评估方法。
2026-08-04 cs.AI cs.HC cs.SE
Galaxy: A Cognition-Centered Framework for Proactive, Privacy-Preserving, and Self-Evolving LLM Agents
本文提出Galaxy框架，通过Cognition Forest统一认知架构与系统设计，实现前瞻性、隐私保护且自我进化的LLM智能体，并在基准测试中优于现有方法。
2025-08-06 cs.AI
AI Assistants Overassist
Stanford University（斯坦福大学）；University of California, San Diego（加利福尼亚大学圣地亚哥分校）；University of Washington（华盛顿大学）
研究探讨大语言模型作导师时，其干预方式对学习的影响。介绍Int-Bench基准，模拟学生解题、教师决定干预。在多领域评估大语言模型教师干预情况，并与人类对比，发现其干预频繁且倾向提供完整方案，表明为短期成功而非深层学习优化。
2026-07-24 cs.AI cs.CL cs.CY
Investigating Student Interaction Patterns with Large Language Model-Powered Course Assistants in Computer Science Courses
Colorado School of Mines（科罗拉多矿业学院）；HiTA AI Inc.（HiTA人工智能公司）；Cornell University（康奈尔大学）
本研究开发并部署了一个基于LLM的课程助手至多门计算机科学课程，分析了约2,000名学生的交互数据，发现系统有效填补了时间支持缺口，但LLM在生成高阶认知问题方面能力有限，需教育者更多参与配置以提升教学效果。
2025-09-10 cs.AI cs.CY cs.HC
VISION: A Modular AI Assistant for Natural Human-Instrument Interaction at Scientific User Facilities
Center for Functional Nanomaterials Brookhaven National Laboratory（功能纳米材料中心布鲁海文国家实验室）
本文提出模块化AI助手VISION，通过多个AI认知模块支撑LLM，在同步辐射光束线上实现低延迟操作和首个语音控制实验，为科学外皮层奠定基础。
2024-12-24 cs.AI
"I'm Not Reading All of That": Understanding Software Engineers' Level of Cognitive Engagement with Agentic Coding Assistants
York University（约克大学）
研究探讨软件工程师在使用代理编码助手时的认知参与度变化，指出当前设计缺乏反思和验证机制，提出通过更丰富的交互方式和认知强制机制来提升深度思考。
2026-03-18 cs.AI cs.HC cs.SE
Evaluation-as-Search: Adaptive Discovery of Grounding Failures in Meeting Assistants
Microsoft（微软公司）
本文提出EaS方法构建MeetingProbe基准，发现会议助手故障多源于话语语用挑战，其自适应搜索比随机探测的故障发现率高2.5倍，且公开了该基准以支持可复现评估。
2026-08-24 cs.AI cs.CL
SLaVA-CXR: Small Language and Vision Assistant for Chest X-ray Report Automation
University College London（伦敦大学学院）；University of Oxford（牛津大学）；University of Glasgow（格拉斯哥大学）
为解决医院使用闭源LLM的隐私与算力限制问题，提出开源小型视觉语言助手SLaVA-CXR，结合模拟放射科医生认知的Re$^3$Training方法与RADEX数据合成法，在胸部X光报告自动化上以2.7B规模实现超越大模型的性能与6倍推理加速。
2024-09-20 cs.AI cs.CL cs.CV
Touvigation: Embodied Adaptive Object Acquisition for Blind and Low-Vision Users in Unfamiliar Indoor Environments
Stony Brook University（石溪大学）；New York University（纽约大学）；Brown University（布朗大学）；Imperial College London（帝国理工学院）；Middlebury Institute of International Studies at Monterey（明德大学蒙特雷国际研究学院）；The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；Tongji University（同济大学）；Shanghai Qibao Dwight High School（上海七宝德怀特高级中学）；The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
针对盲人及低视力用户在陌生室内环境中的物体获取难题，提出结合视觉语言理解与持久空间建模的Touvigation系统，通过多阶段自适应引导，实现100%任务成功率，显著优于现有方法。
2026-09-21 cs.AI cs.HC
SurgBox: Agent-Driven Operating Room Sandbox with Surgery Copilot
CAIR, HKISI, CAS（中国科学院香港中文大学信息安全研究所智能计算研究中心）；MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所多模态人工智能系统实验室）；Peking Union Medical College Hospital（北京协和医院）
针对神经外科手术培训中认知负担重、实践机会有限的问题，提出智能体驱动的SurgBox沙盒框架，结合LLMs与定制RAG复现手术角色，并设计带长短期记忆机制的手术副驾驶辅助决策，实验验证其可提升认知能力和决策支持效果。
2024-12-06 cs.AI cs.CV cs.HC
AI-Augmented Predictions: LLM Assistants Improve Human Forecasting Accuracy
London School of Economics and Political Science（伦敦政治经济学院）；Massachusetts Institute of Technology（麻省理工学院）；Federal Reserve Bank of Chicago（芝加哥联邦储备银行）；University of California San Diego（加利福尼亚大学圣迭戈分校）；University of Pennsylvania（宾夕法尼亚大学）
研究评估了两种LLM助手（超级预测和有噪声）对人类预测准确性的影响，发现前沿LLM助手显著提升预测准确性24%-28%，即使有噪声的助手也能作为有用的决策辅助工具。
2024-08-22 cs.AI cs.CL cs.CY
Ajalon: Simplifying the Authoring of Wearable Cognitive Assistants
可穿戴认知辅助（WCA）通过可穿戴设备和对边缘计算基础设施的低延迟无线访问来实时的增强人类认知。它的灵感来源于全球定位系统导航工具的比喻，并扩大了这一比喻，全球定位系统导航工具提供实时的逐步指导，并迅速发现和纠正错误。WCA应用程序可能会在教育，医疗保健，工业故障排除，制造业和许多其他领域产生变革。如今，WCA应用程序开发困难且缓慢，需要机器学习和计算机视觉等领域的技能，而这些技能在软件开发人员中并不普遍。本文介绍了Ajalon，一个用于WCA应用程序的创作工具链，它减少了开发管道每个步骤所需的技能和工作量。我们的评估表明，Ajalon大大减少了创建新WCA应用程序所需的工作量。
2021-01-14 cs.HC
Behavioral Reprogramming of Open-Weights Models: Cognitive Plasticity and Alignment Bounds
National Supercomputing Centre, Slovakia（斯洛伐克国家超级计算中心）
该研究通过大规模并行超参数搜索等方法，对开放权重LLMs进行行为重编程，实现了主动苏格拉底式对话框架，明确了PEFT的边界等关键结论，为跨语言行为修改提供了实证框架。
2026-08-14 cs.AI
SPIEval: Evaluating Large Language Models as Mobile Assistants over Scattered Personal Information
Fudan University（复旦大学）；Tencent Hunyuan Team（腾讯混元团队）
本研究推出基于五种认知能力的人工策划基准SPIEval，评估9种LLMs作为移动助手处理分散个人信息的能力，发现其准确率最高仅57.3%，存在信息定位等显著局限。
2026-08-12 cs.AI cs.CL
GAIus: Combining Genai with Legal Clauses Retrieval for Knowledge-based Assistant
Faculty of Electronics and Information Technology（电子与信息技术学院）
本文提出基于认知LLM智能体的gAIus架构，通过可解释的法律条款检索机制结合《波兰民法典》知识，在波兰法律考试单选题上显著提升GPT系列模型表现。
2025-07-02 cs.AI cs.CL
Multimodal LLM Augmented Reasoning for Interpretable Visual Perception Analysis
Amazon.com, Inc.（亚马逊公司）；Johns Hopkins University（约翰斯·霍普金斯大学）
本文在HCI、心理学和认知科学背景下，以视觉感知为案例，提出无标注分析框架评估多模态大语言模型作为认知助手的效用，为量化其可解释性及应用于提升人类推理、揭示数据偏差奠定基础。
2025-04-16 cs.AI cs.CV cs.HC
MedSyn: Enhancing Diagnostics with Human-AI Collaboration
University of Trento（特伦托大学）；Santa Chiara Hospital（圣基亚拉医院）；The University of Edinburgh（爱丁堡大学）
本文提出人机协作框架MedSyn，通过医生与大型语言模型的多轮交互对话，增强临床诊断与治疗决策，模拟实验显示开源LLM有潜力成为现实中的医生助手。
2025-07-08 cs.AI cs.HC cs.LG
Through the Lens of Human-Human Collaboration: A Configurable Research Platform for Exploring Human-Agent Collaboration
Northeastern University（东北大学）；Rice University（里士满大学）；University of Notre Dame（诺特难大学）；ETH Zurich（苏黎世联邦理工学院）
本文提出一个可配置的研究平台，用于探索人类与大语言模型代理之间的协作，通过三个案例研究验证了平台在人机协作研究中的有效性。
2026-02-16 cs.AI cs.CL cs.HC
Prober.ai: Gated Inquiry-Based Feedback via LLM-Constrained Personas for Argumentative Writing Development
Florida State University（佛罗里达州立大学）；New York University（纽约大学）
Prober.ai通过约束LLM生成结构化JSON输出，提供探究式问题反馈，帮助学生提升论辩写作能力，其双阶段交互架构通过强制反思提升认知能力。
2026-07-23 cs.AI cs.HC
ORMind: A Cognitive-Inspired End-to-End Reasoning Framework for Operations Research
Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）；AI Lab of Lenovo Research（联想研究院人工智能实验室）；ETH Zurich（苏黎世联邦理工学院）；Sun Yat-sen University（中山大学）；Peng Cheng Laboratory（鹏城实验室）
针对LLMs在运筹学应用中自我修正不准确和专家选择复杂的问题，提出受认知启发的端到端框架ORMind，通过反事实推理提升优化，在NL4Opt和ComplexOR数据集上分别提升9.5%和14.6%。
2025-09-03 cs.AI
ProcAgent: An Agentic Framework for Procedural Task Guidance on Edge with Human-in-the-Loop
University of Tennessee Knoxville（田纳西大学诺克斯维尔分校）；Worcester Polytechnic Institute（伍斯特理工学院）
研究针对家具组装等过程性任务，提出ProcAgent框架，利用提议与验证架构，结合多种技术，在边缘设备上实现实时自适应指导，经多维度评估及用户研究，证明能在不牺牲可用性的情况下于边缘硬件达成自适应过程性辅助。
2026-07-29 cs.AI cs.HC
Scaling Auditory Cognition via Test-Time Compute in Audio Language Models
School of Computing and Information Systems, The University of Melbourne（墨尔本大学计算与信息系统学院）；University of Cambridge（剑桥大学）
本研究探索了Audio LLMs在现实复杂环境下的听觉认知能力，并针对训练数据不足的问题，提出了五种测试时计算（TTC）方法在推理阶段显著增强其听觉认知表现。
2025-03-30 cs.AI cs.SD eess.AS
ThoughtTrace: Understanding User Thoughts in Real-World LLM Interactions
Johns Hopkins University（约翰霍普金斯大学）；Massachusetts Institute of Technology（麻省理工学院）；Google Research（谷歌研究）
本文提出ThoughtTrace，首个大规模数据集，通过配对真实多轮人机对话与用户自述想法（提示原因和对助手回复的反应），揭示用户认知动态，并展示其在行为预测和个性化对齐中的价值。
2026-05-21 cs.AI cs.CL
The Silicon Psyche: Anthropomorphic Vulnerabilities in Large Language Models
CPF3.org（CPF3组织）；Flowguard Institute（Flowguard研究所）
本文提出LLMs继承人类心理脆弱性，通过心理测量框架揭示其对权威操纵等攻击的易受性，呼吁开发心理防火墙以保护AI安全。
2025-12-30 cs.AI cs.CR cs.CY
Towards Anatomy Education with Generative AI-based Virtual Assistants in Immersive Virtual Reality Environments
本文构建集成生成式AI具身虚拟助手的VR解剖学习环境，并通过16人被试内试点研究比较化身与屏幕配置在不同认知复杂度问题中的效果。
2024-01-24 cs.HC
Towards Decoding Developer Cognition in the Age of AI Assistants
本文提出结合EEG、眼动追踪与交互数据的受控观察研究，考察专业水平如何影响开发者使用AI助手的模式，以及该模式对实际认知负荷、任务时间和感知生产力的影响。
2025-01-05 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
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
Math Education Digital Shadows for Investigating Learning with GenAI: Mathematics Performance, Anxiety, and Confidence in LLMs
CogNosco Lab, University of Trento, Department of Psychology and Cognitive Science（CogNosco实验室，特伦托大学心理学与认知科学系）
本文提出MEDS数据集，通过28000个模拟角色评估LLMs在数学教育中的表现，结合心理和社会人口数据及数学任务，探讨自我效能、数学焦虑和认知网络科学。
2026-07-27 cs.AI cs.CY cs.HC
An Experience Report on a Pedagogically Controlled, Curriculum-Constrained AI Tutor for SE Education
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）
本文介绍了一种基于AI的导师系统，旨在通过结构化提示和语义标记知识库，为中学生提供个性化、课程约束的编程学习支持，并通过试点评估验证其在降低认知负荷和补充课堂教学中的潜力。
2025-12-08 cs.AI cs.CY cs.HC
Neural and Cognitive Impacts of AI: The Influence of Task Subjectivity on Human-LLM Collaboration
该研究通过fNIRS、生理与问卷测量，考察LLM助手Copilot在客观与主观任务中对用户负荷、愉悦感、表现及前额叶激活的影响，发现其效用随任务主观性增强而下降，并提出基于脑网络的人机协作假设。
2025-06-04 cs.HC
The Architecture of Cognitive Amplification: Enhanced Cognitive Scaffolding as a Resolution to the Comfort-Growth Paradox in Human-AI Cognitive Integration
Catholic University of Sacred Heart（圣心天主教大学）；Istituto Auxologico Italiano（意大利奥索洛吉科研究所）
针对人机认知整合中AI易用性引发的“舒适-成长悖论”，本研究提出增强型认知支架框架，从三维度重构AI为动态导师，经多领域验证可加速技能习得等，同时设风险保障，推动真正的认知增强。
2025-05-14 cs.AI cs.HC
Context-Aware Emotionally Adaptive Voice Assistants: A Multimodal Framework for Empathetic Human-Agent Interaction
Vellore Institute of Technology, Amaravati（阿马拉瓦蒂维洛尔理工学院）
针对语音助手打断的侵入性问题，提出多模态框架EmpathicVA，融合生理与语音信号及强化学习策略，实现情感自适应打断，显著提升满意度并减少压力。
2026-09-16 cs.HC
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
Smart operators in industry 4.0: A human-centered approach to enhance operators' capabilities and competencies within the new smart factory context
随着工业4.0的形成，人类操作员的日常任务越来越复杂：他们需要高度灵活，并在非常动态的工作环境中展示适应能力。它要求工具和方法可以很容易地嵌入到日常实践中，并能够将复杂的方法与高可用性要求相结合。从这个角度来看，拟议的研究工作集中在一个实用的解决方案，称为Sophos-MS的设计和开发，能够集成增强现实内容和智能辅导系统与尖端的成果技术，为运营商的支持，在复杂的人机交互。在为工业4.0范式中的智能运营商概念建立了一个参考方法框架后，提出了拟议的解决方案，以及其功能和非功能要求。这些要求通过结构化设计策略来满足，其主要成果包括一个多层模块化解决方案Sophos-MS，该解决方案依赖于增强现实内容和具有语音交互功能的智能个人数字助理。所提出的方法已经部署，其培训潜力进行了实地实验研究。首先检查实验活动结果，以确保其统计相关性，然后进行分析评估，以表明所提出的解决方案对运营商的学习曲线具有真正的影响，并且可以区分谁使用它，谁不使用它。
2022-05-30 cs.HC
Seeing Eye to Eye: Enabling Cognitive Alignment Through Shared First-Person Perspective in Human-AI Collaboration
College of Computer Science and Technology（计算机科学与技术学院）
本文提出Eye2Eye框架，通过共享第一人称视角实现人机认知对齐，解决沟通和理解鸿沟问题，实验表明其能提升协作效率和信任度。
2026-03-13 cs.AI 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
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
Learning a Visually Grounded Memory Assistant
Georgia Institute of Technology（佐治亚理工学院）；Facebook Reality Labs（脸书现实实验室）
我们介绍了一种新的接口，大规模收集人类的记忆和援助。使用3D Matterport模拟器，我们创建了一个逼真的室内环境，在这个环境中，我们让人们执行模拟家庭日常活动的特定具体记忆任务。这个界面随后被部署在Amazon Mechanical Turk上，使我们能够大规模测试和记录人类的记忆、导航和帮助需求，这在以前是不可能的。使用该界面，我们收集了“视觉接地记忆辅助数据集”，旨在发展我们对（1）人们在3D环境导航期间编码的信息和（2）人们要求记忆辅助的条件的理解。此外，我们还尝试使用手动选择的视觉和语义特征训练的模型来预测人们何时会寻求帮助。这提供了一个机会，通过人类感知、记忆和认知的学习模型，在机器学习和认知科学社区之间建立更强的联系。
2022-10-07 cs.CV cs.HC
Challenges in Automatic Speech Recognition for Adults with Cognitive Impairment
本文研究了成人认知障碍者在自动语音识别中的挑战，发现痴呆患者ASR错误率更高，提出通过个性化ASR、人类在循环中校正和交互层面个性化来改进语音接口设计。
2026-02-26 cs.HC
Cognitive Load and Productivity Implications in Human-Chatbot Interaction
人工智能和相应的机器学习技术的不断进步促进了聊天机器人的扩散，今天它们被嵌入到各种人机交互任务中。在企业环境中，聊天机器人的使用旨在降低劳动力成本，从而提高生产力。对于简单的、重复的客户服务任务来说，这已经证明是有益的，但更复杂的协作知识工作似乎需要更好地了解如何最好地集成该技术。特别是，伴随着使用这些基于自然语言的人工助理的额外的精神负担，往往仍然被忽视。为此，认知负荷理论认为，不必要的技术使用会导致额外的外在负荷，从而可能对用户的生产力产生相反的影响。因此，本文中提出的研究报告了一项评估人类聊天机器人在现实企业环境中交互的认知负荷和生产力影响的研究。A/B测试仅软件与软件+聊天机器人交互，以及NASA TLX用于评估和比较两个用户组的认知负荷。结果表明，聊天机器人用户的认知负荷更少，比纯软件用户的生产力更高。此外，尽管他们的平均任务完成时间稍长，但他们表现出较低的挫折感和更好的整体表现（即任务质量）。
2021-11-02 cs.HC
Can AI detect pain and express pain empathy? A review from emotion recognition and a human-centered AI perspective
Institute of Psychology, Chinese Academy of Sciences（中国科学院心理研究所）；University of Chinese Academy of Sciences（中国科学院大学）；University of Oxford（牛津大学）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；University of Hamburg（汉堡大学）；University of Macau（澳门大学）
本文从情绪识别与以人为中心的AI视角，综述了计算疼痛识别与人工共情的关键进展、认知挑战及技术障碍，探讨了AI从多模态识别疼痛及实现共情的益处与路径，并展望了未来负责任评估与开发共情情感助手的方法。
2022-12-01 cs.AI cs.HC
AwareLLM: A Proactive Multimodal Ecosystem for Personalized Human-AI Collaboration to Enhance Productivity
Microsoft Research（微软研究院）；HTI Lab, Plaksha University（普拉克斯哈大学 HTI 实验室）；Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
AwareLLM通过整合多模态数据与大语言模型，实现主动适应用户心理生理状态，提升任务表现并降低认知疲劳，推动人机协作新范式。
2026-09-01 cs.HC
Alignment has a Fantasia Problem
Massachusetts Institute of Technology（麻省理工学院）
该研究指出指令微调AI因不理解人类认知过程会产生幻想交互，剥夺用户任务自主权，进而提出需重新思考对齐研究，优化交互中认知责任分配并规划了相关研究议程。
2026-09-29 cs.AI cs.HC
Heartificial Intelligence: Exploring Empathy in Language Models
University of the Witwatersrand（威特沃特斯兰德大学）
本研究通过标准化心理测试发现，大型语言模型在认知共情任务上优于人类，但情感共情显著低于人类，这使其能在避免情感疲劳和偏见的情况下提供客观一致的情感支持。
2025-07-30 cs.CL cs.HC
