多智能体生成式AI的设计:行业早期采用者的洞察
作者
大语言模型(LLM)的人机协作AI 辅助决策与自动化系统家庭能源管理软件工程师与开发者AI/ML 研究员与工程师HCI 研究员
本文呈现了我们对微软员工如何应对设计、测试和部署多智能体生成式AI系统以扩展组织产品生态系统的复杂性的研究结果。通过对13名开发者的访谈,我们揭示了使用多智能体AI框架进行设计时的挑战、用例和经验。我们的分析表明,参与者利用这一先进新兴技术来增强协作、生产力、客户支持、创意流程和安全性。关键设计策略包括管理智能体复杂性、促进透明度以及平衡智能体自主性与人工监督,这些是人体-智能体交互设计的基本考量。我们提供了多智能体系统在真实世界环境中的能力和局限性的实证洞察,为设计与人类中心设计原则相匹配的AI系统提供了参考。通过强调第一手经历和策略,本研究弥合了人类需求与AI潜力之间的差距,推进了与AI系统协作设计的实践和理论。
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%
胜任但僵化:识别赋予AI平等参与群体决策能力的差距
CHI '23· 大语言模型(LLM)的人机协作 +1
- 83%
为什么约翰尼不能提示:非AI专家如何尝试(并失败)设计LLM提示
CHI '23· 大语言模型(LLM)的人机协作 +1
- 83%
从大规模交互痕迹中自动挖掘宏命令
CHI '24· 大语言模型(LLM)的人机协作 +1
- 71%
Stack Overflow 过时了吗?对 ChatGPT 回答 Stack Overflow 问题特征的经验研究
CHI '24· 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%
氛围编程的纠缠——重新定位生成式 AI 编程中意图、作者身份与责任的边界
CHI '26· 生成式AI(文本、图像、音乐、视频) +2
- 71%
与我共编还是为我编程?AI 自动化程度提升如何改变开发者工作流
CHI '26· 大语言模型(LLM)的人机协作 +2
- 71%
CoExplorer 技术探针:支持视频会议规划和运行意图性的生成式AI驱动自适应界面
DIS '24· 大语言模型(LLM)的人机协作 +2
- 71%
基于知识图谱补全的对话式领域知识获取问题选择框架
IUI '21· 对话式聊天机器人 +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
5 位作者
sell
研究子方向
大语言模型(LLM)的人机协作、AI 辅助决策与自动化系统、家庭能源管理
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