help研究问题人机协同优化与偏好对齐
如何支持团队在生成式AI设计中高效快速地迭代提示工程?所属方向: 人机协作与决策支持
人机协同优化与偏好对齐
统计基于当前已索引 question 数据,来源缺失不影响问题展示。
35
问题/痛点
9
来源
2025
最近年份
help研究问题人机协同优化与偏好对齐
在生成式AI原型设计中,团队如何通过内容驱动的策略提高设计效率和输出质量?help研究问题人机协同优化与偏好对齐
提示工程(prompt engineering)的哪些结构化方法能优化生成式AI的行为和用户交互?lightbulb现实痛点人机协同优化与偏好对齐
设计师难以高效探索和原型化生成式AI的交互与行为。help研究问题人机协同优化与偏好对齐
如何利用大型语言模型(如GPT-4)支持教师在应用领域中识别编程计划(编程模板)?help研究问题人机协同优化与偏好对齐
通过“人机协作”的方法,是否能够提高教师识别编程计划的效率和输出质量?help研究问题人机协同优化与偏好对齐
生成式AI工具需要具备哪些功能和支持机制才能有效适配教学场景?lightbulb现实痛点人机协同优化与偏好对齐
教师在应用领域难以高效找到和管理适合教学的编程计划。help研究问题人机协同优化与偏好对齐
共享自主对用户在实时语音通信中的多任务表现有何影响?help研究问题人机协同优化与偏好对齐
相比完全自主模型,用户在共享自主模式下的主观满意度和任务表现如何变化?help研究问题人机协同优化与偏好对齐
实时语音交互中,如何在控制权与任务代理之间找到平衡点?lightbulb现实痛点人机协同优化与偏好对齐
用户在实时语音通信中很难同时处理其他复杂任务。help研究问题人机协同优化与偏好对齐
智能写作支持工具如何辅助学生的创意生成和评价过程?help研究问题人机协同优化与偏好对齐
基于认知写作理论设计的智能功能是否能提高学生的参与度与输出质量?help研究问题人机协同优化与偏好对齐
当提供静态内容支持时,学生对智能功能的使用和接受度是否会改变?lightbulb现实痛点人机协同优化与偏好对齐
学生在MOOCs中进行同伴评审时容易遇到创意难题和效率低下的问题。help研究问题人机协同优化与偏好对齐
用户在与大型语言模型(LLMs)交互时存在哪些认知挑战,特别是在清晰表达意图方面?help研究问题人机协同优化与偏好对齐
如何通过界面设计和认知模型帮助用户更高效地生成有效的提示(prompts)?help研究问题人机协同优化与偏好对齐
用户使用LLMs时的意图构建过程如何影响输出质量,如何弥补其中的认知差距?lightbulb现实痛点人机协同优化与偏好对齐
用户难以设计高质量的LLMs提示,导致输出不一致且效率低下。help研究问题人机协同优化与偏好对齐
大型语言模型(LLMs)如何通过优化模板指令,向用户提供个性化、科学的营养信息?help研究问题人机协同优化与偏好对齐
如何验证大型语言模型生成的营养信息的准确性和实用性?help研究问题人机协同优化与偏好对齐
在营养助手应用中,专家的反馈如何能提升输出质量?lightbulb现实痛点人机协同优化与偏好对齐
用户获取的营养建议常缺乏个性化和科学依据。help研究问题人机协同优化与偏好对齐
用户的偏好反馈如何影响人机协同优化系统的输出质量?IUI '23The Impact of Expertise in the Loop for Exploring Machine Rationality
help研究问题人机协同优化与偏好对齐
用户的专业程度如何影响系统输出质量和用户主观满意度?IUI '23The Impact of Expertise in the Loop for Exploring Machine Rationality
lightbulb现实痛点人机协同优化与偏好对齐
用户很难平衡主观需求与机器输出的高质量结果。IUI '23The Impact of Expertise in the Loop for Exploring Machine Rationality
help研究问题人机协同优化与偏好对齐
隐私保护方法(如模糊处理或图片删除)如何影响用户对 lifelog 的记忆质量?help研究问题人机协同优化与偏好对齐
不同隐私保护方法对记忆重构和记忆植入的可能性存在什么差异?help研究问题人机协同优化与偏好对齐
用户在使用隐私保护方法后的主观满意度和对自身记忆信任度是否受到影响?lightbulb现实痛点人机协同优化与偏好对齐
用户担心 lifelog 的隐私保护会削弱其记忆帮助功能。help研究问题人机协同优化与偏好对齐
在优化灾后瓦砾清理问题时,结合人类视觉直觉与算法效率的协作方式效果如何?help研究问题人机协同优化与偏好对齐
在瓦砾清理问题的优化中,用户构建解决方案从零开始与基于算法初始建议有何差异?help研究问题人机协同优化与偏好对齐
游戏化实验如何用于研究人机协作以优化多目标决策问题?lightbulb现实痛点人机协同优化与偏好对齐
灾后瓦砾清理任务复杂,单靠算法难以兼顾效率与直观性。相关论文
CHI 2025
使用提示进行原型设计:协作软件团队在生成式AI设计中的新兴方法和挑战
Hariharan Subramonyam, Divy Thakkar, Andrew Ku
CHI 2025
PLAID:支持计算讲师在大规模环境中识别特定领域的编程计划
Yoshee Jain, Mehmet Arif Demirtas, Kathryn Irene Cunningham
CHI 2025
代表您的对话代理:语音通信中多任务处理共享自主性的机会和挑战
Yi Fei Cheng, Hirokazu Shirado, Shunichi Kasahara
CHI 2024
智能支持通过相关认知过程参与作家
Andreas Göldi, Thiemo Wambsganss, Seyed Parsa Neshaei
CHI 2024
弥合设想的鸿沟:基于提示与大语言模型交互的认知挑战
Hariharan Subramonyam, Christopher Pondoc, Colleen Seifert
CHI 2024
在LLMs中整合专业知识:使用精细的模板指令打造定制化的营养助手
Annalisa Szymanski, Brianna L Wimer, Oghenemaro Anuyah
CHI 2023
隐私保护方法对生活日志中记忆的影响
Passant ElAgroudy, Mohamed Khamis, Florian Mathis
IUI 2022
"更愿意从零开始解决问题":探索人机协作优化碎片收集问题
Aybike Ulusan, Uttkarsh Narayan, Sam Snodgrass