HCI.TOPHCI, made easy

Jordan Boyd-Graber

school马里兰大学bar_chart全球第 #4987 名

论文总数

3

HCI 排名

#4987

研究领域

3

活跃年数

3

近期发表

Jordan Boyd-Graber 最新论文

CHI '20五作及以上可解释人工智能（XAI） +2

没有问责制就没有可解释性：交互式机器学习中解释和反馈的经验研究

Smith-Renner等人通过两个控制实验研究交互式机器学习中解释的作用，发现无反馈机会的解释对低质量模型令人沮丧，高质量模型需先提供解释再要求详细反馈。

IUI '19通讯作者大语言模型（LLM）的人机协作 +2

AI能为我做什么: 评估合作游戏中机器学习解释的效果

Feng 等人通过Quizbowl问答任务评估三种机器学习解释方法对人机合作性能的影响，为自然语言处理人机协作系统提供设计指导。

IUI '18三作大语言模型（LLM）的人机协作 +1

闭环：以用户为中心的主题建模系统设计与评估

Smith等人设计并评估人机协作主题建模系统,发现用户对系统不可预测性的反应各异,虽未出现不信任但存在过度信任系统或缺乏自信的情况。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/authors/5278?source=all