Preference-Driven Online Adaptation for Personalized Interaction Initiation in Proactive AI Assistants
South China University of Technology（华南理工大学）；Pengcheng Laboratory（鹏城实验室）
本文针对主动式AI助手个性化交互时机难确定的问题，提出EOPA方法，在ProPerSim基准上较最强基线提升F1分数19.80个百分点，降低推理延迟与平均每日适应时间。
2026-08-06 cs.HC
Vision: "What Don't I Know About User's Preferences?" How Uncertainty Estimation Improves Proactive Assistant Alignment
University of California, Merced（加州大学默塞德分校）；Lehigh University（理海大学）
该研究提出不确定性估计可补充主动智能助手缺失的信息，能改进其对齐，还介绍了其在多领域的应用及未来主动助手的发展方向。
2026-10-14 cs.AI cs.HC
Memento: Towards Proactive Visualization of Everyday Memories with Personal Wearable AR Assistant
Stony Brook University（石溪大学）；Georgia Institute of Technology（佐治亚理工学院）
Memento通过捕捉用户语音查询及时空活动上下文，主动关联兴趣与情境，利用AR实现日常记忆的持续可视化，提升沉浸式应用体验。
2026-05-06 cs.CL cs.HC cs.IR
LLAMAPIE: Proactive In-Ear Conversation Assistants
Paul G. Allen School of Computer Science & Engineering, University of Washington（保罗·G·阿伦计算机科学与工程学院，华盛顿大学）；Allen Institute for Artificial Intelligence（阿伦人工智能研究所）
本研究推出首款实时主动式入耳对话助手LlamaPIE，通过双模型流水线实现后台情境感知辅助，经实验与用户研究验证其效果优于无辅助方案与反应式模型，可有效提升实时对话体验。
2025-07-29 cs.CL cs.HC cs.LG
Omakase: proactive assistance with actionable suggestions for evolving scientific research projects
Allen Institute for AI（人工智能艾伦研究所）
Omakase通过监控用户项目文档，主动生成查询并提炼报告，为科研项目提供更可行的建议，提升研究效率。
2026-04-10 cs.HC
Satori: Towards Proactive AR Assistant with Belief-Desire-Intention User Modeling
New York University（纽约大学）；Adobe Research（奥多比研究院）；Brown University（布朗大学）
提出Satori，一种结合BDI框架与多模态大语言模型的主动式AR辅助系统，通过建模用户心理状态和环境上下文提供引导，在无需手动配置下达到与WoZ系统相当的性能。
2025-03-31 cs.AI cs.HC
"Excuse me, may I say something..." CoLabScience, A Proactive AI Assistant for Biomedical Discovery and LLM-Expert Collaborations
Worcester Polytechnic Institute（沃斯特理工大学）；University of California, Davis（加州大学戴维斯分校）；Jiangsu University（江苏大学）
本文提出CoLabScience，一种主动AI助手，通过及时的上下文感知干预提升生物医学领域AI与人类专家的协作效率，PULI框架在流式科学讨论中实现精准干预，实验表明其在干预精度和协作任务实用性上优于现有基线。
2026-04-16 cs.AI cs.CL cs.HC
Proactive Assistant Dialogue Generation from Streaming Egocentric Videos
Meta；University of Michigan（密歇根大学）
本文针对流式第一人称视频下的实时主动任务引导难题，提出包含大规模合成对话数据集、经人类研究验证的自动评估指标及端到端生成模型在内的综合框架，为构建实时主动式AI助手奠定基础。
2025-06-06 cs.AI cs.CL cs.CV
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
Configurable AI Coding Assistants: Designing For Developers Who Like to Be in Control
JetBrains Research（JetBrains研究院）；Delft University of Technology（代尔夫特理工大学）
研究有经验的开发者对编码助手配置的需求，通过综合相关研究列出配置选项，经调查及设计会议发现开发者对可配置性兴趣浓厚，任务相关控制需求高，探讨了设计更优配置界面对于未来编码助手的意义。
2026-07-13 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
Designing Proactive Thought Partners for Writing
Google DeepMind（谷歌DeepMind）；Cornell University（康奈尔大学）
本文设计主动式思维伙伴AI智能体，以可定制的高层次认知支持辅助写作，经16名参与者一周测试，明确了主动式写作助手的设计要点。
2026-09-02 cs.AI cs.CL cs.HC
Exploring Needs and Design Opportunities for Proactive Information Support in In-Person Small-Group Conversations
Florida International University（佛罗里达国际大学）；University of South Florida（南佛罗里达大学）；University of Cincinnati（辛辛那提大学）；University of Michigan（密歇根大学）
本文通过参与式设计和质性研究，探讨了如何在面对面小组对话中设计前瞻性信息支持，以提升群体互动效果，并为未来设计增强现实的前瞻性AI代理奠定基础。
2026-05-18 cs.HC
Embodiment perception of a smart home assistant
针对老年人照护需求增长的背景，本文提出集成活动识别与主动语音助手的智能家居系统，通过用户体验对比实验证实具身机器人助手比普通语音助手更具吸引力、创新性与趣味性。
2023-04-28 cs.HC
Harmony: A Human-Aware, Responsive, Modular Assistant with a Locally Deployed Large Language Model
本研究提出Harmony，一个基于本地部署Llama3-8B的智能家居助手，通过结构化提示和模块化智能体设计解决小模型可靠性问题，在保护隐私的同时实现与GPT-4系统相当的离线个性化交互性能。
2025-08-11 cs.HC
BeautyGuard: Designing a Multi-Agent Roundtable System for Proactive Beauty Tech Compliance through Stakeholder Collaboration
The Hong Kong university of Science and Technology (Guangzhou)（香港科技大学（广州））
针对美妆科技领域传统合规审核被动碎片化的痛点，本文设计大语言模型驱动的多智能体圆桌系统BeautyGuard，经专家评估验证其可用性高、认知负荷低，提出了合规场景人-AI协作设计原则。
2025-11-18 cs.HC
GOMA: Proactive Embodied Cooperative Communication via Goal-Oriented Mental Alignment
Harvard University（哈佛大学）；Massachusetts Institute of Technology（麻省理工学院）；Dartmouth College（达特茅斯学院）；Johns Hopkins University（约翰斯·霍普金斯大学）
针对协作中信息不完整导致的心智状态不一致问题，提出GOMA框架，将言语交流建模为目标相关心智对齐的规划问题，使具身助手能主动发起自然语言交流，在两个测试环境中均提升了协作效果与用户评价。
2025-01-14 cs.AI cs.HC cs.MA
Eliciting and Analysing Users' Envisioned Dialogues with Perfect Voice Assistants
我们提出了一个对话启发研究，以评估用户如何设想与一个完美的语音助手（VA）的对话。在一项在线调查中，N=205名参与者被提示了日常场景，并在他们认为完美的对话中写下了用户和VA的台词。我们用文本分析和定性分析的方法分析了对话，包括单词和回合的数量，对话的社会方面，隐含的VA能力，以及用户个性的影响。大多数人设想与VA进行交互式对话，而不是纯粹的功能性对话;它是智能的，主动的，并且了解用户。对于助理的角色以及它表达幽默和观点的态度存在分歧。一项探索性分析表明，这些方面与个性的关系，但总体相关性较低。我们讨论了未来VA的研究和设计的影响，强调的愿景，使对话式用户界面，而不是单一的命令“问答”。
2021-04-06 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
Designing a Mobile Social and Vocational Reintegration Assistant for Burn-out Outpatient Treatment
German Research Center for Artificial Intelligence（德国人工智能研究中心）；Augsburg University（奥格斯堡大学）；Saarland University（萨尔兰大学）
利用社会代理人作为保健助理或培训员是IVA研究的一个重点领域。虽然它们作为身体保健剂的用途已得到公认，但它们在心理治疗护理领域的应用却面临着巨大的挑战。本文介绍了我们的移动社交代理Emma在倦怠门诊治疗中扮演的职业重返社会助理的角色。我们遵循典型的参与式设计方法，包括专家和患者，以满足双方的要求。由于这种治疗的成功与患者的情绪调节能力有关，我们采用了实时的社会信号解释与情绪调节的计算模拟，影响代理人的社会行为以及口头治疗策略的情境选择。总的来说，我们的跨学科方法使一个新的综合概念的社会代理人作为助手的烧伤病人。
2020-12-15 cs.AI cs.HC
"Having Lunch Now": Understanding How Users Engage with a Proactive Agent for Daily Planning and Self-Reflection
Virginia Tech（弗吉尼亚理工大学）；NAVER AI Lab（Naver AI实验室）
本文研究用户与主动代理的互动，探讨其在日常规划和自我反思中的作用，发现用户有不同反应模式并提出设计改进。
2026-02-05 cs.HC
AI-Driven Urge Regulation Assistant (AURA): Designing Preemptive Smart Wearables for Smoking Cessation
National University of Singapore（新加坡国立大学）
针对现有可穿戴戒烟系统反应滞后的问题，基于线索反应理论和自我决定理论，通过定性研究提出AURA智能手表-智能手机生态系统，实现主动渴望检测与干预。
2026-10-08 cs.HC
Proactive AI Adoption can be Threatening: When Help Backfires
Technion - Israel Institute of Technology（以色列理工学院）
研究探讨主动AI帮助可能引发自我威胁，导致采纳下降，通过两个实验验证了前瞻性帮助对用户自我威胁的影响及设计启示。
2026-04-26 cs.HC
DanModCap: Designing a Danmaku Moderation Tool for Video-Sharing Platforms that Leverages Impact Captions with Large Language Models
本文提出弹幕管理工具DanModCap，利用大语言模型将弹幕分析结果转化为冲击字幕，以主动引导用户产生亲社会行为并减少负面情绪。
2025-02-08 cs.HC
Designing Against Deskilling: Metacognitive Feedback Reduces Cognitive Offloading to LLM Assistants
LMU Munich（慕尼黑大学）；Munich Center for Machine Learning（慕尼黑机器学习中心）
本研究针对AI认知卸载导致的技能退化问题，提出元认知反馈和努力奖励两种干预，实验表明元认知反馈显著减少卸载并提升测试表现，而奖励无效。
2026-09-18 cs.AI cs.HC
Users' Perception on Appropriateness of Robotic Coaching Assistant's Disclosure Behaviors
本研究针对社交机器人作为教练助手披露用户信息引发的隐私与适当性问题，通过22名参与者的线上预录场景实验，量化用户对不同披露类型及机器人角色的隐私感知，为长期人机协同健康指导的设计提供参考。
2024-10-14 cs.HC
Pro$^2$Assist: Continuous Step-aware Proactive Assistance with Multi-modal Egocentric Perception for Long-horizon Procedural Tasks
Columbia University（哥伦比亚大学）；The Chinese University of Hong Kong（香港中文大学）
本研究提出Pro²Assist，一种基于多模态自我中心感知的步骤感知主动式辅助系统，通过AR眼镜感知与持续推理提升长程流程任务辅助效果，在动作理解与主动时机准确率上优于基线，获多数用户认可。
2026-08-04 cs.AI cs.HC
Designing Data: Proactive Data Collection and Iteration for Machine Learning
Massachusetts Institute of Technology（麻省理工学院）；Apple（苹果公司）
提出“设计数据”迭代方法，通过收集前规划、收集监控和数据熟悉度三步骤连接HCI与ML，提升数据集多样性与模型泛化能力。
2023-07-29 cs.AI cs.HC cs.LG
Design and Evaluation of Generative Agent-based Platform for Human-Assistant Interaction Research: A Tale of 10 User Studies
Lehigh University（理海大学）；Columbia University（哥伦比亚大学）
本文提出了一种生成性代理模拟平台，用于研究人类-助手交互，通过模拟十项现有研究验证了其有效性，为高效研究助手代理设计提供了新方法。
2025-10-02 cs.HC
Tutor, Not Solver: Designing a Guardrailed AI Assistant for Learning in Higher Education: A Design Case of PeteChat
Purdue University（普渡大学）
本文通过设计案例PeteChat，提出八项可迁移的评估感知AI导师设计原则，包括作业护栏、调试支架等，基于本地Llama-3模型和RAG技术，旨在平衡学习支持与学术诚信。
2026-10-08 cs.ET cs.HC
Designing the Next Generation of Intelligent Personal Robotic Assistants for the Physically Impaired
University of Ilorin（伊洛林大学）
身体受损的人通常难以在不依赖其他人的情况下完成简单的日常工作，这些人并不总是随时可用，因此他们必须努力独立。虽然他们受损的能力在许多情况下可以通过使用辅助技术来增强（在一定程度上），但很少有人关注他们在辅助技术的具体AI中的应用。本文介绍了MARVIN的中保真度原型的模块化框架，架构和设计：一个人工智能驱动的机器人助手，旨在帮助身体受损的人执行简单的日常任务。该原型的特点是一个平凡的运动单元，并利用各种国家的最先进的神经网络架构的系统的特定模块化组件。这些组件执行专门的功能，如自动语音识别，目标检测，自然语言理解，语音合成等，我们还讨论了所遇到的限制，挑战，未来的潜在应用和改进对成功的原型。
2019-11-28 cs.CY cs.HC cs.LG
Key to Kindness: Reducing Toxicity In Online Discourse Through Proactive Content Moderation in a Mobile Keyboard
本文通过 N=575 的模拟实验评估移动键盘主动内容审核，发现无摩擦的输入中提示更有效且更少造成烦扰，并揭示公共与私人场景下的感知差异。
2024-01-19 cs.HC
Beyond Reactive Assistance: PV-Care Using Low-Density EEG and AI to Provide Proactive, Context-Aware Help for MCI
Shanghai High School International Division（上海中学国际部）；Elmore Family School of Electrical and Computer Engineering, Purdue University（普渡大学埃尔莫电气与计算机工程学院）；Apple Inc.（苹果公司）
本文提出PV-Care，一种结合低密度脑电图与视觉感知的主动AI辅助系统，通过SFR-Net识别认知状态并生成4W-UT提示，为轻度认知障碍用户提供实时情境感知语音帮助。
2026-09-21 cs.HC
PreCare: Designing AI Assistants for Advance Care Planning (ACP) to Enhance Personal Value Exploration, Patient Knowledge, and Decisional Confidence
National Taiwan University（台湾国立大学）；Vilnius University（维尔纽斯大学）；University of California Berkeley（加州大学伯克利分校）；National Taiwan University Hospital（台湾国立大学医院）
本文针对在线ACP缺乏个性化价值探索与即时后果澄清的问题，设计含3个AI助手的PreCare网站，并通过可用性与比较研究验证其可提升价值观探索、知识和决策信心。
2025-05-14 cs.AI cs.HC
Do Proactive Agents Need an LLM to Decide When to Act?
Purdue University（普渡大学）；Microsoft（微软）；Michigan State University（密歇根州立大学）；Georgia Institute of Technology（佐治亚理工学院）
提出用时间图学习（TGL）模型替代LLM作为主动智能体的触发器，通过图更新而非文本处理用户活动，实现高效、低延迟的触发决策。
2026-09-30 cs.AI cs.CL cs.HC
Designing for Harm Reduction: Communication Repair for Multicultural Users' Voice Interactions
本研究访谈16名多元文化用户，识别语音助手服务质量问题导致的6类下游伤害，并借鉴心理学沟通修复提出身份肯定、文化敏感性和责任转移等降害设计策略。
2024-03-01 cs.CY cs.HC
When LLMs Help -- and Hurt -- Teaching Assistants in Proof-Based Courses
Princeton University（普林斯顿大学）
本文研究了LLM在证明基础课程中助教评分与反馈中的作用，发现LLM与助教在评分上存在分歧，但其反馈对存在重大错误的提交仍具帮助。
2026-02-27 cs.HC
GUIComp: A GUI Design Assistant with Real-Time, Multi-Faceted Feedback
由于缺乏相关经验和指导，用户在设计图形用户界面时可能面临挑战。本文旨在探讨无经验用户在设计过程中面临的问题，以及如何解决这些问题。为此，我们进行了半结构化的采访，在此基础上，我们建立了一个GUI原型辅助工具，称为GUIComp。这个工具可以作为一个扩展连接到GUI设计软件，它提供了实时的【形】，多方面的反馈用户的当前设计。此外，我们进行了两项用户研究，其中我们要求参与者使用或不使用GUIComp创建移动GUI，并要求在线工作人员评估创建的GUI。实验结果表明，GUIComp有助于迭代设计，与未使用GUIComp的参与者相比，使用GUIComp的参与者具有更好的用户体验，并产生了更多可接受的设计。
2020-01-16 cs.HC
ContextAgent: Context-Aware Proactive LLM Agents with Open-World Sensory Perceptions
The Chinese University of Hong Kong（香港中文大学）；Columbia University（哥伦比亚大学）
ContextAgent利用可穿戴设备的感官上下文理解用户意图并预测主动服务需求，自动调用工具提供不打扰协助；在ContextAgentBench基准上，其主动预测和工具调用准确率分别比基线高8.5%和6.0%。
2025-10-27 cs.AI cs.CL cs.HC
Unimib Assistant: designing a student-friendly RAG-based chatbot for all their needs
Università degli Studi di Milano Bicocca（米兰比可卡大学）
本研究通过基于OpenAI自定义GPTs的RAG系统定制ChatGPT行为，开发Unimib Assistant聊天机器人以满足米兰比可卡大学学生需求，经测试发现其有用户友好等优点，但存在信息不准确等问题，计划进一步完善。
2024-11-29 cs.AI cs.CY cs.HC
RobotEQ 3.0: Towards Personalized Social Proactive Intelligence in Embodied Agents
State Key Laboratory of Autonomous Intelligent Unmanned Systems, Tongji University（同济大学自主智能无人系统全国重点实验室）
针对现有社会主动智能研究忽视个体差异的问题，提出个性化基准RobotEQ 3.0，通过用户画像与偏好预测，利用个体特质作为输入，实现面向特定用户的具身智能体行为预测，推动从平均用户到个性化系统的范式转变。
2026-09-30 cs.HC
Stakeholder-Centered AI Design: Co-Designing Worker Tools with Gig Workers through Data Probes
人工智能技术继续从数字助理发展到辅助决策。然而，考虑到其未知的结果和用途，设计人工智能仍然是一个挑战。扩展AI设计的一种方法是将利益相关者集中在设计过程中。我们与零工进行共同设计会议，以探索以零工为中心的工具的设计，这些工具是根据他们的驾驶模式，决策和个人背景而设计的。利用工人自己的数据以及城市层面的数据，我们创建了探测器--交互式数据可视化--参与者可以探索这些数据，以了解影响他们工作策略的幸福感和职位。我们描述了参与者的见解和相应的人工智能设计考虑因素，这些考虑因素来自数据探测：1）工人的福祉权衡和位置限制，2）影响数据探测之外的福祉的因素，以及3）不公平算法管理的实例。我们讨论了设计数据探测器的意义，并使用它们来提升以工人为中心的人工智能设计以及工人倡导。
2023-03-06 cs.HC
AMINA: The Inclusive and Accountable AI for Marginalized Immigrant Nonprofit Assistance
University of Toronto（多伦多大学）；Cornell University（康奈尔大学）
该研究针对伊朗移民非营利从业者开展三阶段混合方法研究，设计并评估了AI助手AMINA，其可减轻非营利组织报告负担、促进协作，为CSCW与HCI领域提供相关学术贡献。
2026-09-01 cs.CY cs.HC
AI-Enhanced Sensemaking: Exploring the Design of a Generative AI-Based Assistant to Support Genetic Professionals
Drexel University（德雷塞尔大学）；Microsoft Research（微软研究院）；Broad Institute of MIT and Harvard（麻省理工学院和哈佛大学博德研究所）
本研究通过访谈与共同设计，探讨了如何设计生成式AI助手支持遗传学专业人士进行全基因组测序分析，提出了知识工作中AI辅助感知构建的设计考量。
2024-12-19 cs.AI cs.HC
SuSketch: Surrogate Models of Gameplay as a Design Assistant
Institute of Digital Games, University of Malta（马耳他大学数字游戏研究所）
本文介绍了SuSketch，一个第一人称射击游戏关卡的设计工具。SuSketch为设计师提供了两个特定角色类的竞争玩家的游戏预测。该界面允许设计者与人工智能创建者并肩工作，并接收各种类型的反馈，例如路径信息，完整播放中玩家之间的预测平衡，或玩家死亡位置的预测热图。系统还主动设计等级和职业配对的替代方案，并将其作为改善游戏预测平衡的建议呈现给设计师。SuSketch提供了一种将机器学习集成到混合主动共同创造工具中的新方法，作为在大型人工游戏轨迹语料库上训练的人类游戏的替代品。一项针对16名游戏开发者的用户研究表明，该工具易于使用，但也强调了使SuSketch更易于访问和更易于解释的必要性。
2021-03-22 cs.AI cs.HC cs.LG
Improving Proactive Dialog Agents Using Socially-Aware Reinforcement Learning
Augsburg University（奥格斯堡大学）；Ulm University（乌尔姆大学）
本文提出一种结合社会与任务特征的社会感知强化学习方法，用于优化对话代理的主动行为，以提升任务成功率、效率和用户信任，从而改善人机合作。
2023-06-22 cs.AI cs.CL cs.HC
Coimagining the Future of Voice Assistants with Cultural Sensitivity
Tokyo Institute of Technology（东京工业大学）
针对语音助手用户体验受限问题，研究通过在线启发研究探索日本与美国用户共同设计未来语音助手交互的价值，证明了文化敏感性在语音助手设计中的必要性，并为不同文化语境提供了设计指南。
2024-03-26 cs.CL cs.CY cs.HC
Proactive Systems in HCI and AI: Concepts, Challenges, and Opportunities
University of Toronto（多伦多大学）；University of Waterloo（滑铁卢大学）；Carleton University（卡尔顿大学）
本文通过多学科研讨会，旨在建立主动系统的清晰概念框架，识别设计与评估方法的不足，并制定以人为中心的指南，以推动主动技术的稳健发展。
2026-06-25 cs.AI cs.HC
Calendar.help: Designing a Workflow-Based Scheduling Agent with Humans in the Loop
Microsoft Research（微软研究院）；University of Washington（华盛顿大学）；University of Minnesota（明尼苏达大学）；Georgia Institute of Technology（佐治亚理工学院）
尽管信息工作者可能会抱怨会议，但会议是他们工作生活中必不可少的一部分。因此，忙碌的人花大量的时间安排会议。我们提出了Calendar.help，一个系统，通过结构化的工作流程提供快速，高效的调度。用户通过电子邮件与系统交互，将他们的日程安排需求委托给系统，就好像它是一个人类的个人助理。常见的调度场景使用定义良好的工作流进行分解，并作为一系列微任务完成，这些微任务在可能的情况下自动化，否则由人类执行。不寻常的场景可以追溯到训练有素的人类助理，他将它们作为非结构化的macrotask执行。我们描述了我们用于开发Calendar.help的迭代方法，并分享了在实际部署的一年中安排数千次会议的经验教训。我们的研究结果提供了深入了解如何将复杂的信息任务分解为可重复的组件，这些组件可以有效地执行以提高生产力。
2017-03-24 cs.AI cs.CL cs.HC
Understanding Barriers and Design Opportunities to Improve Healthcare and QOL for Older Adults through Voice Assistants
基于语音的智能虚拟助理（IVA）通过引入免提和免眼交互的范例，有望改善医疗保健管理和生活质量（QOL）。然而，人们对为老年人设计这种系统的挑战知之甚少，特别是在涉及医疗保健相关任务时。为了解决这一问题，我们认为护理服务和提高老年人生活质量的过程是患者和提供者之间的合作任务。通过采访16名独立或半独立生活的老年人和5名提供者，我们确定了老年人在日常生活和管理健康时可能遇到的12个障碍。我们最终强调了在将基于语音的IVA整合到老年人的生活中时可能会引入的关键设计挑战和机遇。我们的工作将使研究并尝试创建完全成熟的IVA驱动智能设备的从业者受益，以提供更好的护理并支持提高老龄化人群的生活质量。
2021-11-05 cs.CY cs.HC
Roamify: Designing and Evaluating an LLM Based Google Chrome Extension for Personalised Itinerary Planning
IIIT Delhi（德里印度信息技术学院）；BITS Pilani（皮拉尼贝拉理工学院）
本文提出基于LLM的旅行助手Roamify，通过网页抓取获取实时信息、结合用户偏好生成个性化行程，经用户调查验证其在各年龄段的接受度，能简化行程规划流程。
2025-03-10 cs.AI cs.HC cs.LG
Turning Intent into Specifications: A Benchmark and an Interactive User-Assistant Agent
Red Hat AI Innovation（红帽AI创新）；MIT-IBM Watson AI Lab（MIT-IBM沃森AI实验室）；IBM Core AI（IBM核心AI）
提出SpecBench基准和Buddy代理，通过形态分析分解用户意图、模拟用户评估设计选择，将焦点从代码生成转向人机协作规范制定。
2026-06-23 cs.AI cs.CL 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
Creating General User Models from Computer Use
Stanford University（斯坦福大学）；Microsoft Research（微软研究院）
本文提出通用用户模型（GUM），通过观察用户与计算机的任意交互构建置信度加权命题，持续推断和修订用户知识与偏好，并基于此实现上下文增强助手、通知管理和主动式智能体，验证了其推断的准确性与主动执行能力。
2025-09-21 cs.AI cs.CL cs.HC
