lightbulb现实痛点AI信任建立与可靠性判断
AI开发过程中，领域知识被忽视，导致数据质量低下。AI可解释性、信任与校准依赖 / AI信任建立与可靠性判断
AI开发过程中，领域知识被忽视，导致数据质量低下。
同类问题
lightbulb现实痛点AI信任建立与可靠性判断
用户在数据分析工具中难以选择信任的指导来源。lightbulb现实痛点AI信任建立与可靠性判断
设计师难以可靠预测未来技术情景，设计出的系统缺乏普适性。lightbulb现实痛点AI信任建立与可靠性判断
在线环境中，不同群体之间因信任问题难以有效合作。lightbulb现实痛点AI信任建立与可靠性判断
用户在不同任务中难以选择合适的信息检索工具以满足需求。lightbulb现实痛点AI信任建立与可靠性判断
AI难以在复杂道德场景中可靠地模拟人类的决策逻辑。lightbulb现实痛点AI信任建立与可靠性判断
普通用户难以使用现有自动化工具完成复杂规划，且输出不可靠。相关论文
IUI 2025
指导来源的重要性：AI、专家或分析师团队的指导如何影响视觉数据准备和分析
Arpit Narechania, Alex Endert, Atanu R Sinha
CHI 2025
对多种未来可能性进行三角定位：在多个未来场景而非单一未来场景中进行用户研究
Antti Salovaara, Leevi Vahvelainen
CHI 2025
关系人工智能：通过社会意识的对话支持促进群体间的合作
Elijah L. Claggett, Robert E. Kraut, Hirokazu Shirado
CHI 2025
理解心理距离如何影响对话搜索与网络搜索中的用户偏好
Yitian Yang, Yugin Tan, Yang Chen Lin
CHI 2025
人工智能能否模拟人类道德决策的复杂性？一项关于肾脏分配决策的定性研究
Vijay Keswani, Vincent Conitzer, Walter Sinnott-Armstrong
CHI 2025
VeriPlan：将正式验证和大语言模型集成到终端用户规划中
Christine P. Lee, David Porfirio, Xinyu Jessica Wang
CHI 2022
人工智能开发中的领域专家技能贬值
Nithya Sambasivan, Rajesh Veeraraghavan
CHI 2021
超越专业知识和角色：一个框架来描述可解释机器学习的利益相关者及其需求
Harini Suresh, Steven R. Gomez, Kevin K. Nam
CHI 2021
当收集个人信息时，AI系统应该如何与用户交流？角色定位和自我参照对人机交互的影响
Mengqi Liao, S. Shyam Sundar