Marcelle:组合交互式机器学习工作流和界面的工具包
作者
JF
Jules Françoise
LISN, Université Paris-Saclay, CNRS大语言模型(LLM)的人机协作原型设计与用户测试计算方法在HCI中的应用医生、护士、临床医生软件工程师与开发者AI/ML 研究员与工程师HCI 研究员
以人为中心的机器学习方法已建立了理论框架、设计原则和交互技术,以促进最终用户与机器学习系统的交互。然而,尽管通用工具包在促进开发者、机器学习专家、设计师和最终用户等不同利益相关者之间的重用、获取和合作方面具有潜力,但支持交互式机器学习系统设计的通用工具包仍然缺失。本文中,我们提出了专门用于人机交互的机器学习工具包的架构模型。该架构基于可组合的交互组件模块化集合,使用响应式管道和可组合用户界面构建交互式机器学习工作流。我们推出了实现这一模型的 Marcelle 工具包。通过两个案例研究展示 Marcelle:一个是人机交互研究者进行用户研究以了解新手与机器学习的交互,另一个是机器学习专家与临床医生合作开发皮肤癌诊断系统。最后,我们讨论了工具包的经验、局限性和前景。
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。
- 71%
EvalLM:基于用户定义标准的大语言模型提示的交互式评估
CHI '24· 大语言模型(LLM)的人机协作 +1
- 71%
RAG无延迟:使检索增强生成管道的“假设”分析成为可能
CHI '26· 大语言模型(LLM)的人机协作 +1
- 63%
结晶体:降低开发者收集和组织决策信息的成本
CHI '22· 大语言模型(LLM)的人机协作 +2
- 63%
AutoChainer:面向笔触输入的自动数据增强
CHI '26· 手部手势识别 +2
- 63%
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
- 63%
Cocoa:与AI智能体的协作规划与协同执行
CHI '26· 大语言模型(LLM)的人机协作 +2
- 63%
注意方式才是真正重要的:使用区分性变化实例化UI组件
CHI '26· 大语言模型(LLM)的人机协作 +2
- 63%
Athena:用于迭代式支架式应用生成的LLM中间表示
IUI '26· 大语言模型(LLM)的人机协作 +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/10.1145/3472749.3474734
一眼看懂
fact_check论文快照
dataset
来源
UIST
calendar_month
年份
2021
emoji_events
奖项
未标记奖项
group
作者
3 位作者
sell
研究子方向
大语言模型(LLM)的人机协作、原型设计与用户测试、计算方法在HCI中的应用
work
职业/产业
医生、护士、临床医生、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
8 篇相关论文