CoAutoML:面向机器学习新手的基于LLM的AutoML和测试驱动机器教学用户界面框架
作者
VS
Valeria Starkova
Williams CollegeIH
Iris Howley
Williams College自动机器学习(AutoML)界面大语言模型(LLM)的人机协作可解释人工智能(XAI)AI/ML 研究员与工程师软件工程师与开发者UI/UX 设计师
自动化机器学习(AutoML)工具的爆发式增长使得具有机器学习专业知识的用户能够充分利用机器学习的能力。然而,为确保ML工具对所有可能受益于其预测和分析能力的人开放,我们必须研究真正的零机器学习知识的新手如何与AutoML工具交互、感知机器学习,并形成对机器学习过程的认知模型。我们通过构建一个面向用户的框架来实现这一目标,该框架将大型语言模型(LLM)的可理解性与支持真正的机器学习新手构建自己的模型所需的界面脚手架相结合。然后我们在用户研究中评估了我们框架的有效性。结果表明,我们的机器学习新手参与者在独立执行机器学习任务时感到自信,他们引用了该工具的易用性以及其帮助他们形式化机器学习目标的能力。
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。
- 75%
DirectGPT:与大型语言模型进行交互的直接操作界面
CHI '24· 大语言模型(LLM)的人机协作 +3
- 71%
使用AI指南规划自然语言失败
CHI '21· 大语言模型(LLM)的人机协作 +2
- 71%
基于模型的强化学习适应用户界面
CHI '21· 大语言模型(LLM)的人机协作 +2
- 71%
AI 记忆差距:用户误记他们用 AI 或不用 AI 创建的内容
CHI '26· 大语言模型(LLM)的人机协作 +2
- 71%
VoiceAlign:一个用于增强传统语音用户界面系统可用性的自适应中间层
IUI '26· 语音用户界面(VUI)设计 +2
- 67%
野外的AutoML:障碍、解决方法和期望
CHI '23· 可解释人工智能(XAI) +1
- 67%
使用实时编程验证AI生成的代码
CHI '24· 大语言模型(LLM)的人机协作 +1
- 67%
模型压缩在实践中的应用:来自创建设备端机器学习体验的实践者的经验教训
CHI '24· 大语言模型(LLM)的人机协作 +1
- 67%
InstructPipe: 使用人类指令和大语言模型生成视觉块管道
CHI '25· 大语言模型(LLM)的人机协作 +1
- 67%
实时LLM知识支持系统的设计空间探索:一个术语解释的案例研究
CHI '25· 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
IUI
calendar_month
年份
2026
emoji_events
奖项
未标记奖项
group
作者
2 位作者
sell
研究子方向
自动机器学习(AutoML)界面、大语言模型(LLM)的人机协作、可解释人工智能(XAI)
work
职业/产业
AI/ML 研究员与工程师、软件工程师与开发者、UI/UX 设计师
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文