探索预训练模型的创新机会
生成式AI(文本、图像、音乐、视频)大语言模型(LLM)的人机协作可解释人工智能(XAI)软件工程师与开发者AI/ML 研究员与工程师HCI 研究员
创新者通过了解服务如何成功满足客户需求,然后利用这些知识识别万无一失的创新机会来改变世界。预训练模型改变了人工智能创新格局,使创建新的人工智能产品和服务变得更加快速和便捷。了解预训练模型在哪里取得成功对于支持人工智能创新至关重要。不幸的是,围绕预训练模型的炒作周期让人难以了解人工智能真正能够在哪里取得成功。为了解决这个问题,我们研究了人机交互研究人员开发的预训练模型应用,作为商业成功应用的代理。研究应用展示了技术能力,解决了真实用户需求,并避免了伦理挑战。我们使用artifact分析方法对能力、机会领域、数据类型和新兴交互设计模式进行分类,揭示了预训练模型创新的一些机会空间。
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。
- 83%
Ivie:新生成代码的轻量级锚定解释
CHI '24· 生成式AI(文本、图像、音乐、视频) +2
- 83%
共同思考,更好地工作:结合人类和大语言模型的思维 aloud 结果进行有效的文本评估
CHI '25· 生成式AI(文本、图像、音乐、视频) +2
- 83%
通过场景设计研究生成式代码模型的可解释性
IUI '22· 生成式AI(文本、图像、音乐、视频) +2
- 71%
生成式AI的元认知需求与机遇
CHI '24· 生成式AI(文本、图像、音乐、视频) +2
- 71%
AI增强的头脑风暴:研究LLM在团队创意生成中的应用
CHI '24· 生成式AI(文本、图像、音乐、视频) +1
- 71%
解开AI错误的困境:探索人类和机器解释对大型语言模型的有效性
CHI '24· 大语言模型(LLM)的人机协作 +2
- 71%
LLM-box 与 Thinking-box:设计支持用户主动识别对话搜索中失真信息的研究
CHI '26· 大语言模型(LLM)的人机协作 +2
- 71%
看不见的破坏者:谄媚型大语言模型在问题解决任务中误导新手
CHI '26· 大语言模型(LLM)的人机协作 +2
- 71%
响应延迟和任务类型对人类-LLM 交互与感知的影响
CHI '26· 大语言模型(LLM)的人机协作 +2
- 71%
从丢弃到带走:生成式人工智能与氛围编程如何加速不同技术水平的原型开发
CHI '26· 生成式AI(文本、图像、音乐、视频) +2
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
2025
emoji_events
奖项
未标记奖项
group
作者
3 位作者
sell
研究子方向
生成式AI(文本、图像、音乐、视频)、大语言模型(LLM)的人机协作、可解释人工智能(XAI)
work
职业/产业
软件工程师与开发者、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