论文标题	作者	研究主题	论文库	年份
从噪声中寻找信号：评估人工智能与无障碍论坛对视障用户支持需求有效性的探索性研究 Kodandaram 等人通过访谈 14 位视障用户，发现论坛存在信息过载问题而 GenAI 工具可信度不足，为改进无障碍支持资源设计提供依据。	SK Satwik Ram Kodandaram et al.纽约州立大学石溪分校
KeySense：基于 LLM 的普通触摸屏十指盲打系统 Li 等人提出 KeySense 系统，利用时序模式识别和 LLM 解码器实现触屏十指打字，显著降低身体疲劳度并提升输入速度达 28.3 WPM。	TL Tony Li et al.纽约州立大学石溪分校
迷失在说明书之中：视障用户使用DIY手册和AI重写说明书进行组装、操作和故障排除的体验研究 Reddy 等人通过访谈和可用性研究发现，手册对视障用户DIY至关重要但往往不足，AI工具非但未能解决此问题，反而常提供不完整或误导性指导，需改进AI生成定制化说明书的能力。	MR Monalika Padma Reddy et al.纽约州立大学石溪分校
软体盲文键盘上的自动纠错功能实现 Zhang 等人开发智能盲文键盘，利用最优传输理论结合语言模型实现自动纠错，经模拟和12人用户研究验证可将词错误率降低59.5%，显著提升视障用户打字体验。	DZ Dan Zhang et al.纽约州立大学石溪分校
广告推荐学习 AI 编程到 CodeNow 系统课程、实战项目、持续更新，适合想真正把 AI 用进开发流程的人。立即查看
Tap&Say：结合触摸位置的大型语言模型，用于智能手机上的多模态文本校正 Zhao 等人提出Tap&Say系统，融合触摸位置与大型语言模型注意力机制，使文本校正任务完成时间缩短16.4%，键盘点击减少47.5%。	MZ Maozheng Zhao et al.纽约州立大学石溪分校
LLM驱动的文本输入解码及智能手机上的灵活输入 Ma 等人提出微调 FLAN-T5 解码器，手势识别 top-1 准确率达 93.1%，支持灵活输入方法改善智能手机文本输入体验	YM Yan Ma et al.纽约州立大学石溪分校
面向低视力用户的智能手机手势输入键盘 Zhang 等人为低视力用户设计布局放大和按键放大键盘，配合运动学解码算法，按键放大键盘达到 5.28 词/分钟，比传统手势输入快 27.5%。	DZ Dan Zhang et al.纽约州立大学石溪分校
通过跟踪3D手势轨迹识别盲用户的手势 Khanna等人设计基于3D轨迹和微小动作的手势识别算法，结合图像分类与几何属性，在普通智能手表上实现92%准确率，显著超越现有技术。	PK Prerna Khanna et al.纽约州立大学石溪分校
通过强化学习建模盲人用户基于触摸的菜单选择性能 Li 等人提出基于强化学习的盲人菜单选择计算模型，模拟滑动、滑行和直接触摸等技术，正确预测菜单长度和布局对选择时间及策略的影响。	ZL Zhi Li et al.纽约州立大学石溪分校
GlanceWriter：通过凝视字母来写作文本 Cui 等人提出 GlanceWriter，通过概率解码凝视路径实现无需停留和无需交叉的文本输入，显著优于 EyeSwipe 和商业眼动系统。	WC Wenzhe Cui et al.纽约州立大学石溪分校
用旋转双高斯模型建模触点分布 Ma等人提出旋转双高斯模型，通过考虑手指移动方向预测触点分布，将错误率预测RMSE从8.49%降至4.95%，并提升智能手表解码准确率。	YM Yan Ma et al.纽约州立大学石溪分校
关于使盲人能够独立在打印的表格上书写 Feiz 等人开发了WiYG系统，利用3D打印手机附件和计算机视觉生成音频指令引导盲人填写表单，13名用户实验显示准确率达89.5%。	SF Shirin Feiz et al.纽约州立大学石溪分校
智能手机上用于非视觉文本输入的可访问手势输入 Billah 等人设计融合屏幕阅读器触摸探索的可访问手势输入系统，使盲人用户可通过手指滑动输入文本，用户研究显示打字速度提升35%。	SB Syed Masum Billah et al.纽约州立大学石溪分校