AINeedsPlanner:支持 AI 专家与客户有效协作的工作手册
作者
大语言模型(LLM)的人机协作参与式设计(Participatory Design)AI/ML 研究员与工程师HCI 研究员
客户经常与 AI 专家合作开发满足其需求的 AI 应用。在这些合作关系中,仔细规划和清晰沟通至关重要,因为不正确或不完整的规格可能导致模型特征错位昂贵的返工,以及协作方之间的潜在摩擦。不幸的是,鉴于需求涉及功能、数据和治理的复杂性,有效指导客户-AI 专家协作中需求协作规范的指南缺失。在本工作中,我们引入 AINeedsPlanner——一本 AI 专家和客户可用于促进清晰规格有效交流的工作手册。该手册基于(1)对 10 个已完成 AI 应用项目团队的访谈,识别和描述 AI 应用规划的步骤;(2)与 12 位 AI 专家的研究,定义 AI 专家信息需求的分类法及影响信息需求的维度。最后,我们通过两个真实场景的案例研究展示该工作手册的实用性。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 100%
从适应参与到建立关系:参与式机器学习的艺术
CHI '24· 大语言模型(LLM)的人机协作 +1
- 100%
理解CHI中的LLM化:通过系统文献回顾剖析LLM在CHI中的影响
CHI '25· 大语言模型(LLM)的人机协作 +1
- 80%
从人-人协作的视角:一个用于探索人-智能体协作的可配置研究平台
CHI '26· 大语言模型(LLM)的人机协作 +2
- 67%
探索主动生成式AI智能体在时间紧迫的协作问题解决任务中的影响
CHI '26· 大语言模型(LLM)的人机协作 +2
- 67%
探索巫师之路:人机交互中Oz方法的系统综述
CHI '26· 参与式设计(Participatory Design) +3
- 67%
人机伙伴关系中的文化差异:生成式AI交易记忆系统(TMS-GenAI)测量工具的跨文化初步验证
CHI '26· 大语言模型(LLM)的人机协作 +2
- 67%
人-人-AI三元编程:揭示AI智能体在协作学习中的角色与人类伙伴的价值
CHI '26· 大语言模型(LLM)的人机协作 +2
- 67%
框架化「协作」:人机协作原则如何转化为 人机协作现实
CHI '26· 大语言模型(LLM)的人机协作 +2
- 60%
从HCI研究中映射机器学习进展以揭示设计创新的起点
CHI '18· 大语言模型(LLM)的人机协作
- 60%
人类与AI交互中沟通方向性和AI代理差异的影响
CHI '21· 大语言模型(LLM)的人机协作 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
DIS
calendar_month
年份
2024
emoji_events
奖项
未标记奖项
group
作者
6 位作者
sell
研究子方向
大语言模型(LLM)的人机协作、参与式设计(Participatory Design)
work
职业/产业
AI/ML 研究员与工程师、HCI 研究员
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文