会话式XAI是所需的一切吗?基于会话XAI助手的人机决策研究
对话式聊天机器人大语言模型(LLM)的人机协作可解释人工智能(XAI)UI/UX 设计师AI/ML 研究员与工程师HCI 研究员
可解释人工智能(XAI)方法正在被提出以帮助解释和理解AI系统如何做出特定预测。受先前对话用户界面研究的启发,我们认为用对话用户界面增强现有XAI方法可以提高用户参与度并促进用户对AI系统的理解。本文探索了对话XAI界面对用户理解AI系统、信任以及对AI系统依赖的影响。与XAI仪表板相比,我们发现对话XAI界面可以为用户带来更好的AI系统理解和更高的用户信任。然而,XAI仪表板和对话XAI界面的用户都表现出明显的过度依赖。由大型语言模型(LLM)代理增强的对话放大了这种过度依赖。基于我们的研究发现,我们认为这种过度依赖的潜在原因是两种XAI界面都存在的解释深度错觉。我们的发现对于设计有效的对话XAI界面以促进适当依赖和改进人机协作具有重要意义。
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。
help
研究问题
3- 不同的交互式可解释人工智能(XAI)界面如何影响用户对AI的理解、信任和适当依赖?分类: XAI 解释与适当依赖校准同类问题arrow_forward
- 评估对话(evaluative dialogues)在增强用户反思AI建议和优化行为方面的效果如何?分类: XAI 解释与适当依赖校准同类问题arrow_forward
- 大语言模型(LLMs)在对话式XAI中是否会导致用户过度依赖或信任AI?分类: XAI 解释与适当依赖校准同类问题arrow_forward
lightbulb
现实痛点
1- 用户在使用AI系统时难以理解其建议,可能导致过度信任或拒绝其推荐。分类: XAI 解释与适当依赖校准同类问题arrow_forward
- 83%
对话进度指南:增强对话式AI中自我效能的UI系统
CHI '25· 对话式聊天机器人 +2
- 83%
AmbigChat:面向模糊开放域问答的交互式层级澄清方法
UIST '25· 对话式聊天机器人 +1
- 71%
设计负责任的人工智能:适应UX实践以应对负责任的人工智能挑战
CHI '23· 大语言模型(LLM)的人机协作 +2
- 71%
基于LLM的搜索对决策制定的影响:速度、准确性和过度依赖
CHI '25· 大语言模型(LLM)的人机协作 +2
- 71%
助人者人恒助之:说话者与听者的协作努力及人-代理协作通信中的劳动分工
CHI '26· 对话式聊天机器人 +2
- 71%
LLM中的个人验证效应:积极AI响应虚构预测的有效性、可靠性、个性化与有用性偏见
CHI '26· 大语言模型(LLM)的人机协作 +2
- 71%
多代理LLM接口中的意义建构:用户如何解读透明度和可信度线索
CHI '26· 大语言模型(LLM)的人机协作 +2
- 71%
将大型语言模型呈现为伙伴会影响人们归因于它们的心智能力
CHI '26· 大语言模型(LLM)的人机协作 +2
- 71%
从使用到监督:心理模型如何影响用户行为和人工智能写作助手的输出
CHI '26· 大语言模型(LLM)的人机协作 +2
- 71%
ConstitutionMaker:通过将反馈转换为原则来交互式批评大型语言模型
IUI '24· 智能语音助手(Alexa、Siri 等) +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://doi.org/10.1145/3708359.3712133
一眼看懂
fact_check论文快照
dataset
来源
IUI
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
对话式聊天机器人、大语言模型(LLM)的人机协作、可解释人工智能(XAI)
work
职业/产业
UI/UX 设计师、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