Cornell University（康奈尔大学）

How Multimodal Large Language Models Support Access to Visual Information: A Diary Study With Blind and Low Vision People

多模态大语言模型如何支持视障人士获取视觉信息：一项与盲人和低视力人士的日记研究

Ricardo E. Gonzalez Penuela, Crescentia Jung, Sharon Y Lin, Ruiying Hu, Shiri Azenkot

机构 * Cornell University（康奈尔大学） 纠错

AI总结 本研究探讨了多模态大语言模型如何通过视觉助手技能支持视障人士获取视觉信息，并发现其在实际应用中的表现及改进方向。

Comments 24 pages, 17 figures, 7 tables, appendix section, to appear main track CHI 2026

AI-Assisted Decision Making with Human Learning

辅助人类学习的AI决策制定

Gali Noti, Kate Donahue, Jon Kleinberg, Sigal Oren

机构 * Cornell University（康奈尔大学） ； MIT（麻省理工学院） ； Ben-Gurion University（本·古里安大学） 纠错

AI总结 本文研究了人工智能辅助决策中人类学习的权衡问题，提出了一种基于算法耐心和人类学习能力的最优特征选择方法。

Comments This paper appeared in Proceedings of the 26th ACM Conference on Economics and Computation (EC '25)

General sample size analysis for probabilities of causation: a delta method approach

概率因果的通用样本量分析：基于delta方法的方法

Tianyuan Cheng, Ruirui Mao, Judea Pearl, Ang Li

机构 * Department of Statistics, Florida State University（佛罗里达州立大学统计学系） ； Department of Computer Science, Cornell University（康奈尔大学计算机科学系） ； Department of Computer Science, University of California Los Angeles（美国加州大学洛杉矶分校计算机科学系） ； Department of Computer Science, Florida State University（佛罗里达州立大学计算机科学系） 纠错

AI总结 本文提出基于delta方法的通用样本量分析框架，用于确定概率因果分析所需的样本量，以稳定估计其界限。