我的AI形态：多模态如何塑造与AI生成未来自我互动中的信任与说服Albrecht 等人比较文本、语音和头像三种模态的 AI 未来自我交互，发现主观互动质量（真实感、说服力）是影响未来自我连续性的关键因素，轻量级对话格式同样有效。2026CAConstanze Albrecht et al.麻省理工学院大语言模型（LLM）的人机协作同理心与情感设计情感化人机对话IUI
神经透明性：用于预测模型行为的可解释性接口服务于个性化AIKarny等人提出神经透明性接口，通过提取语言模型激活差异生成行为特征向量，使用旭日图可视化，使用户能预见个性化AI聊天机器人的潜在行为特征。2026SKSheer Karny et al.麻省理工学院可解释人工智能（XAI）AI 辅助决策与自动化系统算法透明度与可审计性IUI
OceanChat：虚拟对话人工智能代理对可持续态度和行为改变的影响Pataranutaporn 等人开发了 OceanChat 系统，通过白鲸等对话人工智能角色与用户交互，显著提升了环保行为意图和可持续选择偏好，为海洋环保教育提供新途径。2026PPPat Pataranutaporn et al.麻省理工学院生成式AI（文本、图像、音乐、视频）AI 辅助决策与自动化系统可持续性 HCI（Sustainable HCI）CHI
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Pataranutaporn 等人对238名参与者研究发现，LLM积极预测比消极预测在有效性、个性化、可靠性和有用性上分别提升36%、42%、27%、22%，揭示了个人验证效应在AI交互中的持续影响。2026PPPat Pataranutaporn et al.麻省理工学院大语言模型（LLM）的人机协作可解释人工智能（XAI）同理心与情感设计CHI
从合成到人类：聊天机器人说服后 AI 预测与实际环保行为改变之间的差距Doudkin 等人揭示了聊天机器人说服中的“合成说服悖论”：模拟参与者行为显著改变而真人态度几乎不变，警告 LLM 预测人类环保行为响应的局限性。2025ADAlexander Doudkin et al.MIT Media LabAI 伦理、公平与问责算法公平与偏见可持续性 HCI（Sustainable HCI）CUI
聊天中的渗透：大型语言模型聊天机器人对话中虚假信息的微妙注入增加了错误记忆的形成Pataranutaporn 等人通过 180 名参与者实验发现，与误导性摘要相比，与大型语言模型聊天机器人讨论时注入微妙虚假信息会导致更高比例的错误记忆形成，揭示了对话式 AI 带来的新型认知风险。2025PPPat Pataranutaporn et al.麻省理工学院AI 伦理、公平与问责虚假信息与事实核查IUI
大型语言模型的欺骗性解释比诚实的解释更经常地导致人们改变他们对虚假信息的信念Danry 等人发现大型语言模型生成的欺骗性解释比诚实解释更具说服力，能增强对虚假信息的信念，强调逻辑推理对识别错误信息的重要性。2025VDValdemar Danry et al.麻省理工学院AI 伦理、公平与问责虚假信息与事实核查CHI
合成人类记忆：AI编辑的图像和视频可以植入虚假记忆并扭曲回忆Pataranutaporn 等人通过200人四组实验发现，AI生成的视频使虚假记忆增加2.05倍，信心提升1.19倍，揭示了AI视觉内容对记忆的潜在风险。2025PPPat Pataranutaporn et al.麻省理工学院生成式AI（文本、图像、音乐、视频）可解释人工智能（XAI）AI 伦理、公平与问责CHI
与手交谈：一个具有视觉指针作为主动伴侣的LLM驱动聊天机器人，用于屏幕任务Prasongpongchai 等人设计 Pointer Assistant，LLM 驱动聊天机器人以视觉指针形式主动引导用户，220人研究证明显著降低任务负担。2025TPThanawit Prasongpongchai et al.开泰银行语音用户界面（VUI）设计大语言模型（LLM）的人机协作交互式数据可视化CHI
将事物置于上下文中：生成式AI支持的上下文个性化词汇学习提高学习动机Leong 等人通过272人在线实验研究发现，生成式AI驱动的上下文个性化词汇学习虽未提升学习表现，但对学习动机产生显著积极影响2024JLJoanne Leong et al.麻省理工学院生成式AI（文本、图像、音乐、视频）大语言模型（LLM）的人机协作在线学习与 MOOC 平台CHI
AI走出柜门: 利用AI生成的虚拟角色帮助个人练习LGBTQIA+倡导Pillis 等人开发AI虚拟角色模拟LGBTQIA+出柜对话场景,323名用户研究显示该系统可提升用户对性少数群体的共情与支持意愿。2024DPDaniel Pillis et al.麻省理工学院会话代理的人格与拟人化生成式AI（文本、图像、音乐、视频）性别与种族在HCI中的议题IUI
不要只是告诉我，问我：将解释作为问题来智能构建的AI系统可以提高人类逻辑辨别准确性，超过因果AI解释Danry 等人提出 AI 框架下的提问概念，对 204 名参与者实验表明，该方法将逻辑错误辨别准确率提升至超越因果 AI 解释水平2023VDValdemar Danry et al.麻省理工学院可解释人工智能（XAI）隐私设计与用户控制CHI