领域专家参与 LLM 设计和评估的关键考量：一项民族志研究Szymanski 等人通过12周民族志研究，发现开发团队在 LLM 设计中采用数据收集变通、专家-开发者混合评估等策略，并提出注重 AI 素养和专家角色演进的设计机会。2026ASAnnalisa Szymanski et al.University of Notre Dame大语言模型（LLM）的人机协作参与式设计（Participatory Design）用户研究方法（访谈、调查、观察）IUI
ReUseIt：合成可复用的AI代理工作流用于网络自动化Liu 等人提出 ReUseIt 方法，通过从AI代理成功/失败尝试合成可复用工作流（含执行守卫），将重复性网络任务成功率从24.2%提升至70.1%。2026YLYimeng Liu et al.University of California, Santa BarbaraAI 辅助决策与自动化系统自动机器学习（AutoML）界面生成式AI（文本、图像、音乐、视频）IUI
DuoDrama：通过LLM辅助的人类反思支持剧本精炼Tang 等人提出DuoDrama系统，通过ExReflect工作流让AI在体验和评估角色间切换以生成剧本反馈，14名专业编剧验证其提升反馈质量与反思深度。2026YTYuying Tang et al.The Hong Kong University of Science and Technology大语言模型（LLM）的人机协作AI 辅助创意写作创意协作与反馈系统CHI
探索AI在临床协作中的未来：肿瘤会诊病例准备研究Li 等人对比Copilot与专用医疗智能体HAO在肿瘤会诊准备中的表现，发现肿瘤科医生对HAO接受度更高，但信任校准策略效果有限。2026JLJiachen Li et al.Northeastern University大语言模型（LLM）的人机协作可解释人工智能（XAI）AI 辅助决策与自动化系统CHI
隐形导师：从屏幕录制推断用户操作以推荐更好的工作流程Yan 等人提出 InvisibleMentor 系统，通过视觉语言模型分析屏幕录制重建用户操作，结合大语言模型生成行为建议，使用户工作流效率得到改善。2026LYLitao Yan et al.University of Pennsylvania大语言模型（LLM）的人机协作AI 辅助决策与自动化系统用户研究方法（访谈、调查、观察）CHI
氛围编程时代的屏幕阅读器使用者程序员：适应、赋能与新的无障碍景观Chen等人研究发现AI代码助手虽提升视障程序员编程效率并弥补无障碍差距，但用户面临传达意图、解读AI输出等障碍，并提出人机协作设计原则与无障碍建议。2026NCNan Chen et al.Microsoft Research生成式AI（文本、图像、音乐、视频）可解释人工智能（XAI）视觉障碍者技术（屏幕阅读器、触觉图形、盲文）CHI
从使用到监督：心理模型如何影响用户行为和人工智能写作助手的输出Rismani 等人通过48人实验发现结构性心智模型虽提升用户系统理解却导致更多语法错误，揭示人工智能写作辅助中系统理解、信任与错误监督间的复杂权衡关系。2026SRShalaleh Rismani et al.McGill University大语言模型（LLM）的人机协作可解释人工智能（XAI）AI辅助写作与文本生成CHI
从挣扎到成功：面向屏幕阅读器用户的计算机使用情境感知指导系统Chen 等人开发了AskEase AI助手，通过整合多源情境信息为屏幕阅读器用户提供精准的操作指导，用户任务成功率显著提升，感知工作负担明显下降。2026NCNan Chen et al.Microsoft Research视觉障碍者技术（屏幕阅读器、触觉图形、盲文）大语言模型（LLM）的人机协作可解释人工智能（XAI）CHI
设计LLM的分阶段评估工作流程：整合领域专家、普通用户和模型生成的评估标准Szymanski等人提出LLM分阶段评估框架，整合领域专家（长期价值）、普通用户（可用性）和LLM（程序检查）的评估标准，优化质量、成本与可扩展性的平衡。2026ASAnnalisa Szymanski et al.University of Notre Dame大语言模型（LLM）的人机协作AI 辅助决策与自动化系统用户研究方法（访谈、调查、观察）CHI
在定义AI图像生成的残障代表中 meaningful 地赋能社区参与Thieme等人开发Community Library Creator工具，通过设计支架支持残障社区定义表征标准并策展AI数据集，推动社区主导的数据实践，为AI中的残障代表提供以人为中心的方法。2026ATAnja Thieme et al.Microsoft ResearchAI 伦理、公平与问责算法公平与偏见发展中国家与HCI4DCHI
通过跨时序情感建模实现自然且陪伴型虚拟智能体Zheng 等人提出跨时序情感建模（CTEM）框架，通过连接长期行为历史与即时情感表达的闭环机制，显著提升陪伴型虚拟智能体的感知自然度、连贯性和情感协调性。2026YZYi Zheng et al.Communication University of China会话代理的人格与拟人化情感化人机对话大语言模型（LLM）的人机协作CHI
InfoAlign：一个人类-AI 协作创作信息图表故事的系统Feng 等人开发了 InfoAlign 系统，将文本转化为故事并推荐语义对齐的视觉设计，支持人类-AI 协作创作叙事信息图表，保持故事一致性。2026JFJielin Feng et al.Fudan University数据故事讲述（Data Storytelling）生成式AI（文本、图像、音乐、视频）创意协作与反馈系统CHI
利用人工智能识别、解释和纠正歧视性语言Smith 等人研究发现，残障用户对 AI 生成的歧视性语言注释的接受度高于人类注释，但仍重视人类注释的情感深度与文化根基。2026KSKynnedy Simone Smith et al.Carnegie Mellon University大语言模型（LLM）的人机协作AI 伦理、公平与问责认知障碍与神经多样性（自闭症、ADHD、阅读困难）CHI
从工作的未来到劳动者的未来：应对无症状人工智能危害以促进有尊严的人机交互Ehsan 等人揭示 AI 作为放大器导致专家“直觉锈蚀”的悖论，提出有尊严人机交互框架，通过双重目的机制帮助工作者检测、遏制并恢复 AI 诱导的技能侵蚀。2026UEUpol Ehsan et al.Northeastern UniversityAI 辅助决策与自动化系统AI 伦理、公平与问责算法公平与偏见CHI
ORBIT India 数据集：理解在低资源环境中收集以残障为先的人工智能数据集的挑战该研究发布 ORBIT-India 数据集，包含105,243张图像和76个独特物品，专门针对印度盲人用户个性化目标识别需求，分析低资源环境下的数据集收集挑战2026GIGesu India et al.Swansea University视觉障碍者技术（屏幕阅读器、触觉图形、盲文）认知障碍与神经多样性（自闭症、ADHD、阅读困难）生成式AI（文本、图像、音乐、视频）CHI
交互增强指令：建模人-GenAI协作中提示与交互的协同作用文本提示是人类与生成式AI（GenAI）通信最常见的方式。虽然方便，但传达细粒度和指代性意图具有挑战性。一个有前景的解决方案是将文本提示与精确的GUI交互相结合，如拖拽和点击。然而，缺少正式模型来捕捉提示与交互之间的协同设计，阻碍了它们的比较和创新。为填补这一空白，通过迭代和演绎过程，我们开发了交互增强指令（IAI）模型，这是一个紧凑的实体-关系图，形式化了交互与文本提示的组合如何增强人类-GenAI通信。利用该模型，我们从先前工具中提炼出12个 recurring和可组合的原子交互范式，验证了我们模型促进系统性设计特征化和比较的能力。四个使用场景进一步展示了我们模型在应用、改进和创新这些范式方面的实用性。这些结果说明IAI模型在描述性、区分性和生成性方面的能力，以塑造未来GenAI系统。2026LSLeixian Shen et al.The Hong Kong University of Science and Technology生成式AI（文本、图像、音乐、视频）大语言模型（LLM）的人机协作原型设计与用户测试CHI
表征生成式AI使用报告的框架Balayn等人构建了多维框架以规范生成式AI使用报告内容,通过分析110+行业文档揭示了当前报告的系统性模式和叙述倾向。2026ABAgathe Balayn et al.Microsoft Research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
设备端AI在保护工作中的前景与风险Dong 等人通过访谈和实地调研设备端AI在保护工作中的应用，揭示当前设备端模型所需基础设施与保护现场资源受限环境的现实冲突。2026CDCynthia Dong et al.University of Washington大语言模型（LLM）的人机协作实地研究（Field Study）计算方法在HCI中的应用CHI
为非西方语境设计符合社会文化的人工智能系统以服务于社会公益Dennison 等人通过研究8个非西方AI部署案例，识别出影响系统设计部署的六大因素，并提出12条文化适配AI系统设计指南，强调人机协作的重要性。2026DDDeepak Varuvel Dennison et al.Cornell UniversityAI 伦理、公平与问责发展中国家与HCI4D大语言模型（LLM）的人机协作CHI
从底层构建基准：医疗保健聊天机器人场景中LLM的社区中心化评估Hamna 等人提出 Samiksha 社区驱动评估管道，联合公民社会组织共同创建可扩展的自动化基准，让社区反馈决定评估内容与评分方式，应用于印度医疗健康场景以检验多语言 LLM。2026HHHamna Hamna et al.Microsoft Corporation大语言模型（LLM）的人机协作多语言与跨文化语音交互心理健康应用与在线支持社区CHI