Yunfeng Zhang 最新论文
Lai 等人提出有条件委托新范式，让人类创建规则指示AI可信区域，通过两个数据集实验验证其在内容审核中能有效提升模型性能。
Narkar 等人开发 Model LineUpper 系统，通过集成 SHAP 等可解释 AI 与可视化技术，在预测分布、特征重要性等多层级支持 AutoML 用户交互式比较候选模型，帮助数据科学家选择更合理的模型。
Dodge 等人通过160多名众包工人的实验表明，不同类型的解释显著影响人们对机器学习系统公平性的判断，且个性化自适应解释可增强用户信任。
Zhang 等人提出自适应对话策略框架，通过估算并比较开放式与封闭式问题的信息增益来选择最优提问时机，有效缩短信息检索对话长度。
https://hci.top/zh/authors/8286?source=all