恢复是关系性的：饮食障碍患者及其支持者的数字支持需求Choi 等人通过对27名饮食障碍患者和12名支持者的设计 session 和日记研究，识别了恢复过程中的多样化支持情境，揭示了实际支持实践中的错配现象，为数字干预设计提供实证依据。2026RCRyuhaerang Choi et al.韩国科学技术院心理健康应用与在线支持社区行为改变与反思技术特殊教育技术CHI
MIND：通过叙事仪表板为心理健康临床医生赋能的多模态数据洞察Zou 等人提出 MIND 系统，利用大语言模型将患者多模态数据转化为临床叙事文本，16名临床医生评估显示其揭示隐藏洞察能力提升(p<.001)，决策支持效果显著(p=.004)2026RZRuishi Zou et al.哥伦比亚大学可解释人工智能（XAI）AI 辅助决策与自动化系统心理健康应用与在线支持社区CHI
SignGlass: 使用可穿戴眼镜实现第一人称视角全面且可泛化的美式手语翻译Cai 等人设计 SignGlass 三摄像头智能眼镜系统，集成抖动感知时空注意力与时间感知面部模块，实现实时 ASL 手语翻译，在 14 名失聪用户测试中获高分准确性。2025YCYongxiang Cai et al.宾汉姆顿大学电肌肉刺激（EMS）控制眼动追踪与注视交互认知障碍与神经多样性（自闭症、ADHD、阅读困难）UIST
奥德赛之旅：在中国寻找顶级医疗资源以治疗特殊疾病Chan 等人以面肌痉挛患者为例，通过访谈医生与患者揭示中国专科患者健康信息寻求策略，提出缓解医患信息不对称的五种方法2025KCKa I Chan et al.清华大学慢性病自我管理（糖尿病、高血压等）远程医疗与远程患者监测CHI
MedAI-SciTS: 提升AI研究人员与医学专家之间的跨学科合作Cao 等人提出 MedAI-SciTS 框架，包含 12 种工具的创新工具包，经 3 个月案例研究验证可有效提升 AI 与医学专家的跨学科合作成效2025CCChen Cao et al.谢菲尔德大学电动车充电与能效界面手部手势识别知识工作者工具与工作流CHI
人们后悔使用社交媒体的哪些方面？对34K智能手机截图的多模态LLM分析Guo等人通过多模态LLM分析34K屏幕截图，发现非意图使用和算法推荐内容最令人后悔，为改善社交媒体用户体验提供指导。2025LGLongjie Guo et al.华盛顿大学可解释人工智能（XAI）社交平台设计与用户行为虚假信息与事实核查CHI
通过微小的快乐行为促进亲社会行为：一项大规模的幸福感干预研究Goel 等人开展 BIGJOY 大规模干预研究，18000人来自172国，验证七项微行动促进亲社会行为效果，并用机器学习预测变化趋势。2025HGHitesh Goel et al.国际信息技术学院心理健康应用与在线支持社区边缘化群体赋权CHI
从分类到临床洞察：基于大语言模型的移动与行为健康数据分析与推理Englhardt 等人提出基于大语言模型的移动健康数据分析框架，实现从数据分类到临床洞察的推理转换。2024ZEZachary Englhardt et al.华盛顿大学人体姿态与行为识别大语言模型（LLM）的人机协作UbiComp
自适应语音：用于驾驶辅助的认知自适应语音界面Wen 等人提出 AdaptiveVoice 驾驶辅助系统，基于认知负荷优化调整语音消息详细程度和语速，VR 驾驶模拟中响应时间减少、驾驶表现提高2024SWShaoyue Wen et al.纽约大学抬头显示（HUD）与驾驶辅助系统（ADAS）语音用户界面（VUI）设计CHI
快进现实：使用扩展现实中的实时单元测试编写无错误的上下文感知策略Qian等人开发了Fast-Forward Reality系统，通过XR和自动生成单元测试帮助用户验证上下文感知策略，用户研究显示准确性提升且可用性反馈积极。2024XQXun Qian et al.普渡大学环境感知与上下文计算普适计算（Ubiquitous Computing）CHI
InteractOut: 利用交互代理作为输入操作策略以减少智能手机过度使用Lu 等人设计InteractOut交互代理系统，通过隐式输入操作减少智能手机过度使用，相比定时锁定技术使用时间减少15.6%，用户接受率提升25.3%2024TLTao Lu et al.密歇根大学通知与中断管理职场福祉与工作压力CHI
从文本到自我：用户对AIMC工具在人际沟通和自我认知中的感知Fu 等人研究AIMC工具的用户感知，发现LLM驱动的沟通工具在正式关系和高风险沟通中更有优势，可增强沟通信心，但存在冗长回复和情感强度过高的局限。2024YFYue Fu et al.华盛顿大学多语言与跨文化语音交互大语言模型（LLM）的人机协作可解释人工智能（XAI）CHI
思维转变：利用大型语言模型进行基于心理状态的问题性智能手机使用干预Wu 等人开发LLM驱动的MindShift系统，融合用户心理状态和行为生成个性化干预，将接受率提升4.7-22.5%，使用时间减少7.4-9.8%2024RWRuolan Wu et al.清华大学大语言模型（LLM）的人机协作心理健康应用与在线支持社区隐私设计与用户控制CHI
Time2Stop：用于智能手机过度使用干预的自适应和可解释的人工智能循环Orzikulova 等人设计 Time2Stop 自适应 JITAI 系统，通过机器学习识别最佳干预时机并提供可解释 AI，用户应用访问频率降低 7.0～8.9%。2024AOAdiba Orzikulova et al.韩国科学技术院可解释人工智能（XAI）AI 辅助决策与自动化系统通知与中断管理CHI
Auth+Track: 通过持续用户跟踪在智能手机上实现无需身份验证的交互Liang 等人提出 Auth+Track 模型，通过鱼眼摄像头持续跟踪用户身体和手部特征实现“到场无需认证”，减少智能手机冗余认证。2021CLChen Liang et al.清华大学人体姿态与行为识别密码与身份认证CHI