交互强化学习综述:设计原则与开放挑战
大语言模型(LLM)的人机协作AI 辅助决策与自动化系统AI/ML 研究员与工程师HCI 研究员
交互式强化学习(RL)已成功应用于不同领域的各种应用,这也激励了HCI研究人员在这一领域做出贡献。本文对交互式RL进行了综述,旨在为HCI研究人员提供RL技术背景,以设计新的交互技术并提出新应用。我们阐明了HCI研究人员在交互式RL中的作用,确定了有前景的研究方向。此外,我们提出了通用设计原则,为研究人员提供了有效实施交互式RL应用的指南。
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%
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
- 100%
人工智能知识:通过人类赋能提升人工智能委托
CHI '23· 大语言模型(LLM)的人机协作 +1
- 100%
迈向人机审议:设计和评估用于AI辅助决策的LLM增强审议AI
CHI '25· 大语言模型(LLM)的人机协作 +1
- 80%
你使我完整:人类-人工智能团队与互补专长
CHI '22· 大语言模型(LLM)的人机协作 +1
- 80%
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
- 80%
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
- 80%
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
- 80%
从文本到信任:利用自适应LLM驱动分析增强AI辅助决策
CHI '25· 大语言模型(LLM)的人机协作 +2
- 80%
哪些贡献值得认可?人类与AI共同创作中的归属感认知
CHI '25· 大语言模型(LLM)的人机协作 +2
- 80%
提示词写作中的满足倾向与最大化倾向:人机交互中的特质与任务效应
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
广告推荐
学习 AI 编程到 CodeNow
open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/abs/10.1145/3357236.3395525
一眼看懂
fact_check论文快照
dataset
来源
DIS
calendar_month
年份
2020
emoji_events
奖项
未标记奖项
group
作者
2 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
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