Multi-Attribute Bayesian Optimization With Interactive Preference Learning
Cornell University（康奈尔大学）；Uber（优步）
我们认为黑箱全局优化的耗时评估功能的决策者（DM）的偏好必须学习。每个可行的设计都与一个耗时的属性向量评估相关联，每个属性向量被分配给DM的效用函数，这可以近似地使用属性向量对表示的偏好来学习。过去的工作已经使用了这个效用函数的点估计，好像它是无误差的单目标优化。然而，效用估计误差可能会产生较差的建议设计。此外，这种方法产生了一个单一的建议“最佳”设计，而DM往往更喜欢从菜单中选择。提出了一种新的带偏好学习的多属性贝叶斯优化方法。我们的方法承认偏好估计的不确定性，并隐式地选择设计来评估，不仅是一个单一的估计效用函数，但一系列可能的。我们的方法的结果是一个菜单的设计和评估的属性，DM作出最终的选择。我们证明了我们的方法在各种实验的价值和灵活性。
2020-03-03 cs.LG math.OC stat.ML
MAxPrototyper: A Multi-Agent Generation System for Interactive User Interface Prototyping
本文提出以人为本的多智能体系统 MAxPrototyper，通过主题设计智能体协调专门子智能体，并结合语言与图像模型及在线多轮交互，生成一致、可定制的交互式 UI 原型。
2024-05-12 cs.HC cs.MA
Interactive Trajectory Adaptation through Force-guided Bayesian Optimization
Bosch Center for Artificial Intelligence（博世人工智能中心）
灵活的制造工艺要求机器人能够轻松适应环境的变化并与人类互动。在这样的动态场景中，机器人任务可以通过从演示中学习的方法来编程，其中任务的标称计划由机器人学习。然而，学习的计划可能需要调整，以满足额外的要求或克服意外的环境变化。当所需的适应发生在末端执行器轨迹水平，人类操作员可能希望直观地显示机器人所需的变化，通过物理与它交互。在这种情况下，机器人需要了解人类预期的变化，从嘈杂的触觉数据，快速适应相应的执行标称任务计划时，没有进一步的适应是必要的。本文通过利用LfD和贝叶斯优化来解决上述挑战，以赋予机器人数据高效的适应能力。我们的方法利用感测到的相互作用力来指导机器人适应，并通过定义从学习的任务模型中提取的局部搜索空间来加快优化过程。我们展示了我们的框架如何快速适应任务的时空模式，从而导致与标称计划和人类引入的变化一致的变形轨迹分布。
2019-08-20 cs.LG cs.RO math.OC
Prototyping Digital Social Spaces through Metaphor-Driven Design: Translating Spatial Concepts into an Interactive Social Simulation
Northeastern University（东北大学）
针对现有社交媒体设计局限于参与度和规模、替代构想难原型化的问题，提出隐喻驱动系统将用户隐喻转化为平台功能并生成LLM智能体交互模拟，验证其可表达多元社交期望、助力拓展社交平台设计空间。
2025-10-03 cs.AI cs.HC
Sculpt, Deploy, Repeat: Fast Prototyping of Interactive Physical Objects
构建一个融合了形式和功能的可部署PhysiComp通常需要在数字电子、3D建模和机械设计方面投入大量时间和技能。我们的目标是帮助设计师通过消除该过程中的技术障碍来快速创建原型。用于构建PhysiComp原型的其他方法要么在表示形状和功能方面缺乏保真度，要么局限于在工作站，相机或投影仪系统旁边的工作室中使用。软件3D CAD工具可用于设计形状，但不能提供关于贴合性和感觉的即时触觉反馈。在这项工作中，围绕3D打印的电子产品复制品进行雕刻，将电子产品和形式结合在流体设计环境中。雕塑被扫描，修改组装，然后在3D打印机上打印。使用这个过程，可以在一天半的时间里集中大约4个小时的精力创建功能原型，大部分时间都花在等待3D打印机上。这个过程适合于同时探索几个设计和快速迭代。这使得设计过程能够快速收敛到舒适且有用的PhysiComp。
2017-09-18 cs.HC
A Human-in-the-Loop Bayesian Optimization Framework for Constraint-Aware Bioprocess Development
DataHow AG（DataHow公司）
提出一种扩展的帕累托前沿引导采样框架，通过将高斯过程代理的约束满足概率和鲁棒性作为多目标优化目标，结合交互式仪表盘实现人机协同的约束感知生物过程优化。
2026-08-25 cs.HC cs.LG stat.ML
CoAug-MR: An MR-based Interactive Office Workstation Design System via Augmented Multi-Person Collaboration
使用3D建模和数字人体模型的数字原型设计和评估对于根据用户偏好定制产品变得越来越实用。然而，3D建模对于普通用户来说不太容易获得，并且数字人体模型遭受身体数据不足以及人们如何使用产品或产品如何适应他们身体的不直观说明。近年来，基于虚拟现实技术的“Do It Yourself”设计通过捕捉用户的姿势，实现了实时的人机工程学评估，但缺乏可靠性和设计质量。在本文中，我们探讨了一种多人交互式设计方法，使设计师，用户，甚至人体工学家合作，以实现有效和可靠的设计和原型任务。利用Hololens和运动跟踪设备的混合现实已经开发出来，以提供即时的设计反馈和评估，并在物理空间中体验原型设计。我们评估系统的可用性研究的基础上，休闲用户和设计师从事的互动过程中的设计项目的身体信息，偏好和环境。
2020-05-22 cs.GR cs.HC
PCB-ready breakout boards: Bridging the gap between electronics prototyping and production
使用接线板的电子原型设计允许具有或不具有工程背景的设计师快速创建交互式原型。然而，当过渡到生产就绪的PCB设计时，由于PCB设计所需的高技能水平而存在停滞。虽然PCB设计自动化已成功地用于最近的研究工具，以减少所需的专业知识，但很少有人将这些工具直接集成到电子原型设计周期中。本立场文件旨在引起人们对将最新PCB设计自动化范例整合到电子原型周期中以创建PCB就绪分线板的可能性的关注：分线板的设计将能够直接流水线到新的用户界面中，从而利用自动化快速创建生产就绪PCB设计。
2023-03-20 cs.HC
Interaction2Code: Benchmarking MLLM-based Interactive Webpage Code Generation from Interactive Prototyping
The Chinese University of Hong Kong, China（香港中文大学）；Singapore Management University, Singapore（新加坡管理学院）；Renmin University of China, China（中国人民大学）；Tsinghua University, China（清华大学）；Southwest University, China（西南大学）
Interaction2Code提出首个基于MLLM的交互式网页代码生成基准测试，识别MLLM在交互生成中的四个限制并提出四种增强策略。
2026-03-01 cs.AI cs.HC cs.SE
Preference Exploration for Efficient Bayesian Optimization with Multiple Outcomes
Meta；Cornell University（康奈尔大学）
我们考虑贝叶斯优化昂贵的评估实验，产生向量值的结果，决策者（DM）的偏好。这些偏好由效用函数编码，该效用函数以封闭形式未知，但可以通过要求DM表达对结果向量的偏好来估计。为了解决这个问题，我们开发了贝叶斯优化与偏好探索，一个新的框架，交互式实时偏好学习与DM通过成对比较的结果之间的交替，贝叶斯优化与学习的DM效用和结果的组合模型。在这个框架内，我们提出了专门为这项任务设计的偏好探索策略，并通过广泛的模拟研究证明了它们的性能。
2022-03-21 cs.LG math.OC stat.ML
ExoKit: A Toolkit for Rapid Prototyping of Interactions for Arm-based Exoskeletons
Saarland University（萨尔大学）
本文提出面向新手的 DIY 工具包 ExoKit，通过模块化手臂硬件与多层交互编程抽象，支持外骨骼交互的快速原型设计，并经案例和使用研究验证。
2025-02-18 cs.HC cs.RO
Bayesian Optimization for Policy Search via Online-Offline Experimentation
Facebook（脸书）
在线现场实验是评估现实世界交互式机器学习系统变化的黄金标准。然而，我们探索复杂的多维策略空间的能力--比如在推荐和排名问题中发现的那些--往往受到可以同时运行的实验数量有限的限制。为了减轻这些限制，我们用离线模拟器增强在线实验，并应用多任务贝叶斯优化来调整实时机器学习系统。我们描述了在这些类型的应用程序中出现的实际问题，包括使用模拟器和多任务内核的假设所产生的偏见。我们测量的经验学习曲线，显示了大量的收益，包括数据有偏见的离线实验，并显示这些学习曲线是如何与多任务高斯过程推广的理论结果是一致的。我们发现，改进的内核推理是一个显着的驱动程序的多任务泛化。最后，我们展示了几个贝叶斯优化的例子，通过结合离线和在线实验，有效地调整了一个活的机器学习系统。
2019-04-29 cs.LG stat.ML
Bayesian Optimization with Preference Exploration using a Monotonic Neural Network Ensemble
University of Warwick（沃里克大学）；Amazon（亚马逊）
本文提出基于单调神经网络集合的贝叶斯优化方法，通过整合单调性提升性能，优于现有方法并具备噪声鲁棒性。
2026-01-14 cs.LG math.OC stat.ML
Designing MacPherson Suspension Architectures using Bayesian Optimization
ESAT-PSI, KU Leuven（KU莱顿大学ESAT-PSI研究所）；Ford Greenfield Labs（福特绿色田实验室）
本文提出了一种贝叶斯优化系统，通过直接优化设计参数与目标规范的合规性来部分自动化工程设计流程，并在车辆底盘设计问题中验证了其通用性、可扩展性和高效性。
2022-06-17 cs.AI cs.CE cs.LG
Efficient Contextual Preferential Bayesian Optimization with Historical Examples
Continental Automotive Components (India) Private Ltd.（印度大陆汽车部件有限公司）；Continental Automotive Technologies GmbH, Germany（德国大陆汽车技术有限公司）；Institute for Clarity in Documentation（文档清晰研究所）；Inria Paris-Rocquencourt（巴黎-罗quentourt研究所）；Rajiv Gandhi University（拉吉夫·甘地大学）；Tsinghua University（清华大学）；Palmer Research Laboratories（帕勒研究中心）
针对多目标优化中隐式偏好难形式化且专家输入成本高的问题，提出基于历史示例和完整贝叶斯后验的离线可解释效用学习方法，在四个领域优于标准高斯过程和BOPE。
2025-09-30 cs.AI cs.LG
Integrating User Design and Formal Models within PVSio-Web
创建交互式系统的形式化模型具有广泛的好处，不仅可以验证低级别的正确性，而且可以作为确保用户界面行为逻辑性和一致性的工具。尽管如此，用于设计用户体验的工具和用于创建和使用正式模型的工具通常是截然不同的独立系统。这项工作的目的是弥合这一鸿沟，允许通过一个简单的，交互式的原型工具，反映了许多现代数字原型应用程序的基本功能的状态机图和正式模型的生成。
2018-11-27 cs.HC cs.SE
Levitation Simulator: Prototyping Ultrasonic Levitation Interfaces in Virtual Reality
我们提出的悬浮模拟器，一个系统，使研究人员和设计人员迭代开发和原型悬浮接口的想法在虚拟现实。这包括用户测试和正式实验。我们推导出一个模型的悬浮粒子在这样的接口的运动。在此基础上，我们开发了一个虚拟现实中悬浮界面的交互式仿真，它展示了真实界面的动力学特性。费茨定律指向研究的结果表明，悬浮模拟器能够实现与真实原型相当的性能。我们在悬浮模拟器中开发了前两个专门用于悬浮界面的交互式游戏：LeviShooter和BeadBounce，然后在真实界面上实现它们。我们的研究结果表明，在两种环境中，参与者在玩游戏时经历了相似的用户参与度。我们分享我们的悬浮模拟器作为开源，从而使悬浮研究民主化，而不需要悬浮装置。
2020-05-13 cs.HC cs.SY eess.SY
User-Centered Design with AI in the Loop: A Case Study of Rapid User Interface Prototyping with "Vibe Coding"
本文通过公路交通数据分析界面案例，提出AI在环的UCD构思—原型流程，展示利用LLM的“vibe coding”快速生成UI、获取反馈并验证多种设计的价值与局限。
2025-07-28 cs.HC
DashChat: Interactive Authoring of Performance Dashboard Design Prototypes through Conversation with LLM-Powered Agent
Fudan University（复旦大学）；Alibaba Group（阿里巴巴集团）
提出DashChat系统，通过LLM驱动的多智能体管道将文本需求转化为性能仪表盘原型，加速迭代并保证设计质量。
2026-07-03 cs.HC
Exploring home robot capabilities by medium fidelity prototyping
Halmstad University（哈尔姆斯塔德大学）；RISE Viktoria（RISE Viktoria 研究院）；Örebro University（厄勒布鲁大学）；University of Skövde（舍夫德大学）
为了让自主机器人能够支持人们在家庭和日常环境中的福祉，需要新的交互能力，正如迪士尼最近在流行小说中使用的机器人角色Baymax的软设计所证明的那样。家用机器人将被要求易于互动和智能-适应性强，有趣，不引人注目，不需要太多的动力和维护-并且能够在日常和紧急情况下执行有用的任务。本文采用了一种探索性的中等保真度原型设计方法来测试一些新的机器人功能，这些功能包括识别人们的活动和意图，以及以一种对人们透明的方式行事。结果进行了讨论，目的是通知下一个设计。
2017-10-09 cs.HC cs.RO
IVISIT: An Interactive Visual Simulation Tool for system simulation, visualization, optimization, and parameter management
Albstadt-Sigmaringen University（阿尔bstadt-锡格马林根大学）；KEIM Institute（凯姆研究院）
本文介绍了基于Python/Numpy的通用交互式可视化仿真工具IVISIT，它集成了系统仿真、参数优化、参数管理及可视化功能，并通过GUI和SQLite支持快速原型开发与参数配置管理。
2024-08-10 cs.CV cs.HC cs.LG
Exploring AI-assisted Ideation and Prototyping for Choreography
本文提出一种基于AI的编舞支持系统，利用生成式AI模型生成多样舞蹈序列以促进快速创意构思，并通过交互式Web界面支持迭代数字舞蹈原型制作，经六位编舞者评估验证了其优势与局限。
2024-02-20 cs.HC
Conversation Regression Testing: A Design Technique for Prototyping Generalizable Prompt Strategies for Pre-trained Language Models
预训练的语言模型（LLM），如GPT-3，可以进行流畅的、多回合的对话，使它们成为聊天机器人设计的有吸引力的材料。此外，设计人员可以通过将文本提示（指令和所需交互的示例）前置到其输入来改进LLM聊天机器人的话语。然而，基于即时策略的改进可能是脆弱的;设计师面临着系统地理解即时策略如何影响用户之间后续对话的挑战。为了应对这一挑战，我们引入了会话回归测试的概念。基于与基线聊天机器人的示例对话，对话回归测试跟踪对话错误如何持续存在或通过应用不同的提示策略来解决。我们将这种技术体现在一个交互式设计工具BotDesigner中，该工具可以让设计人员在多个对话中识别原型错误;使用图形可视化显示对话的共同线程;并突出显示机器人设计迭代中提示更改的效果。试点评估证明了回归测试的概念和聊天机器人设计师的BotDesigner功能的有用性。
2023-02-06 cs.HC
DIDUP: Dynamic Iterative Development for UI Prototyping
针对现有LLM代码UI原型系统线性瀑布式流程难应对变更的问题，提出遵循迭代螺旋模型的DIDUP系统，通过自适应规划、代码注入、轻量级状态管理三种机制，提升原型开发迭代效率与用户对代码演化的认知。
2024-07-11 cs.HC cs.SE
Using a Large Language Model as Design Material for an Interactive Museum Installation
本研究探讨将大型语言模型作为互动博物馆装置的设计材料，通过研究型设计方法应对其易产生错误信息与博物馆教育使命之间的冲突，提出强调个人叙事或突出不可靠性以引发批判性反思的设计方向。
2025-03-28 cs.HC
Evaluating Bayesian Model Visualisations
University of Glasgow（格拉斯哥大学）
概率模型为越来越广泛的商业和政策决策提供信息，这些决策最终由人们做出。最近的算法，计算和软件框架的开发进展促进了贝叶斯概率模型的扩散，它通过它们的联合分布而不是点估计来计算未观察到的参数。虽然它们可以使决策者能够探索复杂的查询，并在理论上执行假设式调节，但需要适当的可视化和交互式工具，以最大限度地提高用户的理解力，并在不确定性下做出理性决策。在本文中，提出了一个协议的贝叶斯模型可视化的定量评估，并介绍了实现该协议的软件框架，以支持标准化的评估实践，并促进再现性。我们说明了用户研究的评估和分析工作流程，探讨是否使箱形图和假设结果图交互可以增加理解或合理性，并得出结论，为研究人员希望在未来进行类似的研究设计准则。
2022-01-10 cs.HC cs.LG
From Idea to Prototype in an Afternoon: Scaffolded, AI-Assisted Rapid VA Prototyping
Fraunhofer Institute IAIS（弗劳恩霍夫智能分析与信息系统研究所）
本文通过案例展示，结合工作流语言和AI助手，将可视化分析原型的开发时间从数月缩短至一个下午，并总结了脚手架设计、知识注入和使用方式的三点经验。
2026-08-27 cs.AI cs.HC cs.LG
NeuroDivSim: An Interactive Tool for Model-Based Reflection on Cognitive Diversity in Interface Design
University of Applied Sciences Bremen（不来梅应用科学大学）；Fraunhofer Institute for Digital Medicine MEVIS（弗劳恩霍夫数字医学MEVIS研究所）
NeuroDivSim是一款交互式工具，通过生成式AI构建可检查的模型，结合认知参考配置进行确定性模拟，支持设计师在界面设计中反思认知多样性，经试点评估优化了相关呈现。
2026-10-09 cs.HC
FontCraft: Multimodal Font Design Using Interactive Bayesian Optimization
提出 FontCraft 系统，结合人在回路偏好贝叶斯优化、多模态参考与风格传播，帮助非专业用户无需预置字符即可高效设计并导出 OpenType 字体。
2025-02-17 cs.HC
Bayesian Active Learning for Intent Disambiguation in Interactive Robot Planning
Massachusetts Institute of Technology（麻省理工学院）；GE Vernova（通用电气维诺瓦）
针对交互式机器人规划中指令歧义问题，提出贝叶斯主动学习框架，利用LLM初始化STL规范并优化澄清查询，提升任务满意度并减少澄清轮次。
2026-11-04 cs.AI cs.HC cs.RO
The Design of a Mobile App for Promotion of Physical Activity and Self-Management in Prostate Cancer Survivors: Personas, Feature Ideation and Low-Fidelity Prototyping
大多数前列腺癌幸存者都面临着疾病相关和治疗相关的副作用，影响他们的生活质量。将特定的身体活动指导与促进健康生活方式和自我管理指导相结合的工具可能是促进这些患者生活方式改变的成功方法。作为有用的健康技术的先决条件，重要的是要考虑以患者为中心的设计过程。本研究的目的是调查的背景下的问题和用户的需求，以支持一个低保真原型的工具，以促进早期前列腺癌幸存者的健康生活方式的构思。遵循以用户为中心的设计方法，涉及多学科团队。原型开发分为3个阶段。在第1阶段，通过对实践状态的2项系统性综述并咨询3名肿瘤学专家来研究背景，从而得出全球用例和主要要求。在第二阶段，基于文献研究和3位专家的验证，研究了用户的需求和障碍，从而创建了3个人物角色。在第3阶段，举行了2次会议，根据头脑风暴和选择技术构思和优先考虑可能的应用程序功能。使用Ninja Mock和Proto.io软件开发了一个低保真原型，产生了25个交互式屏幕。了解用户的需求和背景似乎是必不可少的突出关键目标，从而促进工具的构思和预期的用户任务和经验之间的桥梁。设计过程的第一阶段的结束为移动应用程序设计的未来迭代带来了有价值的细节（例如用户对技术和身体活动的障碍）。
2019-01-18 cs.HC
Enabling Generative Design Tools with LLM Agents for Mechanical Computation Devices: A Case Study
本研究以流体计算界面为案例，提出集成大语言模型智能体的生成式设计工具GDT，可增强机械计算交互设备的设计能力，支持创意构思、生成设计参数与制造文件，并探讨了其框架、性能及潜力挑战。
2024-10-29 cs.HC
Printegrated Circuits: Personal Fabrication of 3D Printed Devices with Embedded PCBs
本文提出Printegrated Circuits技术，利用嵌入式PCB和导电丝注入实现自包含3D打印交互设备，无需手动组装，并验证了其电气机械性能及工作流集成。
2025-09-10 cs.HC
XR Blocks: Accelerating Human-centered AI + XR Innovation
Google XR Labs（谷歌XR实验室）
针对AI与XR生态融合存在的开发高摩擦问题，提出跨平台模块化框架XR Blocks，提供即插即用的核心抽象组件，基于主流技术降低创作门槛，通过多类开源演示验证其加速AI+XR原型开发的效用。
2025-09-29 cs.AI cs.GR cs.HC
Computational Design and Single-Wire Sensing of 3D Printed Objects with Integrated Capacitive Touchpoints
提出一种计算设计流程，在无自相交闭合网格3D模型中嵌入电容触摸点并自动生成优化导电路径，实现双线或单线触摸传感。
2025-09-29 cs.GR cs.HC
To design interfaces for exploratory data analysis, we need theories of graphical inference
计算机科学和统计学的研究和发展已经产生了越来越复杂的软件界面，用于交互式和探索性分析，并针对容易的模式发现和数据暴露进行了优化。但是，强调探索而不是其他分析阶段的设计哲学可能会混淆对灵活性的需求，并得出结论，即探索性可视化分析本质上是无模型的，不能形式化。我们描述了如何在没有人类统计推断理论的基础上，探索性视觉分析的研究可能会导致矛盾的界面目标和不确定性的表示，从而阻止用户进行有效的推断。我们讨论了如何在贝叶斯统计框架中的模型检查的概念，探索性和验证性分析，以及这种理解如何与其他提出的图形推理理论。将交互式分析视为由模型检查驱动，这为围绕探索性和可视化分析的软件和实证研究提出了新的方向。例如，系统应该能够指定和显式地将数据与空值和其他参考分布进行比较，并更好地表示不确定性。贝叶斯和其他图形推理理论的含义应该根据人们交互分析的结果进行测试，以推动理论的发展。
2021-07-06 cs.HC
Interactive Inference: A Neuromorphic Theory of Human-Computer Interaction
Radboud University（拉德堡德大学）；Aalborg University（奥尔堡大学）；University of Calgary（卡尔加里大学）；Toronto Metropolitan University（多伦多都会大学）；Huawei Technologies, Ltd.（华为技术有限公司）
本文提出交互推断理论，作为类脑人机交互的一种新方法，通过简化主动推断理论，为设计和评估提供了一种定量分析框架，展示了Hick定律、Fitts定律和幂律如何在该模型中表达，并通过实验证明了驾驶员处理能力与领先车辆距离的信噪比呈对数关系。
2026-08-25 cs.HC cs.IT math.IT
Narrative Bridging - a specification of a modelling method for game design
很少有人探讨叙事作为一个过程时，构建互动媒体的娱乐。与此同时，人们对叙事工具的兴趣也在增加，而某些职业将叙事视为一种结构，模糊了对故事材料的选择、安排和呈现过程的审查。为了纠正这一缺陷，一种方法的叙事桥接，鼓励研究和设计，同时探索叙事作为一个过程，提出的目的是不减少的互动媒体的属性。这种方法侧重于建立和处理信息的初始阶段，并为系统化和计算奠定基础。其目的是为设计师提供一个舒适的设计工具，在不干扰创造力的情况下坚定地帮助设计，同时帮助构建叙事，空间性和互动性之间的相互作用。该方法有助于实践的一门学科，建立了通过定性研究进行的一部分，在快速成型的大学课程。结果表明，该方法有助于时间约束的设计过程，同时检测不一致，将阻止团队进行改进。该方法为团队提供了共享的词汇和前景，使他们能够在不干扰创意流程的情况下取得进展。这使团队能够对流程进行推理，并轻松地为设计利益相关者提供建议。该研究还为游戏设计中的叙事过程研究的未来发展提供了方向。
2009-05-19 cs.HC
Generative Melody Composition with Human-in-the-Loop Bayesian Optimization
The University of Tokyo（东京大学）；National Institute of Advanced Industrial Science and Technology (AIST)（国立先进工业科学技术研究所（产业技术综合研究所））
深度生成模型允许新手作曲家通过采样潜在向量来生成各种旋律。然而，找到所需的旋律是具有挑战性的，因为潜在的空间是非直观的和高维的。在这项工作中，我们提出了一个交互式系统，支持生成旋律组成与人在环贝叶斯优化（BO）。该系统采用混合主动方法;系统生成候选旋律以进行评估，并且用户评估它们并提供偏好反馈（即，在候选者中挑选最佳旋律）发送到系统。该过程基于BO技术迭代地执行，直到用户找到期望的旋律。我们进行了一项试点研究，使用我们的原型系统，表明这种方法的潜力。
2020-10-07 cs.HC cs.SD eess.AS
