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
人机协作与决策支持 / 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。
同类问题
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。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。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。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。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。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。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