lightbulb现实痛点LLM 信任与过度/不足依赖
普通用户过度依赖机器学习模型,即使模型在数据分布变化时性能下降。AI可解释性、信任与校准依赖 / LLM 信任与过度/不足依赖
普通用户过度依赖机器学习模型,即使模型在数据分布变化时性能下降。
同类问题
lightbulb现实痛点LLM 信任与过度/不足依赖
用户操作多传感器智能设备时,环境复杂且误操作频发。lightbulb现实痛点LLM 信任与过度/不足依赖
用户难以理解复杂的AI生态系统,影响隐私决策。lightbulb现实痛点LLM 信任与过度/不足依赖
普通用户无法有效理解复杂生成式AI的行为逻辑和信息来源。lightbulb现实痛点LLM 信任与过度/不足依赖
用户无法恰当地信任LLM导致错误决策或错失机会。lightbulb现实痛点LLM 信任与过度/不足依赖
从业者难以管理开发LLMs所需的大规模且复杂的数据。lightbulb现实痛点LLM 信任与过度/不足依赖
现有文本评价系统覆盖有限且结果不可靠,影响教育和新闻生成等应用。相关论文
IUI 2025
基于动态贝叶斯网络的多模态上下文感知交互框架
Violet Yinuo Han, Tianyi Wang, Hyunsung Cho
IUI 2025
生成式人工智能聊天机器人生态系统的用户心智模型
Xingyi Wang, Xiaozheng Wang, Sunyup Park
IUI 2025
建立合适的心理模型:用户对代理型AI聊天机器人已知和想知道的
Michelle Brachman, Siya Kunde, Sarah Miller
CHI 2025
依赖还是不依赖?评估对大型语言模型适当依赖的干预措施
Jessica Y Bo, Sophia Wan, Ashton Anderson
CHI 2025
新兴数据实践:大型语言模型时代的数据工作
Adriana Alvarado Garcia, Heloisa Candello, Karla Badillo-Urquiola
CHI 2025
共同思考,更好地工作:结合人类和大语言模型的思维 aloud 结果进行有效的文本评估
SeongYeub Chu, JongWoo Kim, Mun Yong Yi
CHI 2025
先计划后执行:一项关于用户信任和团队表现的经验研究,当使用LLM代理作为日常助手时
Gaole He, Gianluca Demartini, Ujwal Gadiraju
CHI 2025
基于LLM的搜索对决策制定的影响:速度、准确性和过度依赖
Sofia Eleni Spatharioti, David Rothschild, Daniel G. Goldstein
CHI 2025
生成式AI在纪实摄影中的应用:探索视觉叙事的机会与挑战
Lenny Martinez, Baptiste Caramiaux, Sarah Fdili Alaoui
CHI 2025
注意差距!在不同语言的说服性合写任务中使用多语言大语言模型的选择独立性
Shreyan Biswas, Alexander Erlei, Ujwal Gadiraju
CHI 2025
理解在广播系统中部署基于AI的内容创作支持工具的动态 - 优势、挑战和方向
Joon Gi Chung, Soongi Hong, Junho Choi
CHI 2025
促进对大型语言模型的适当依赖:解释、来源和不一致性的角色
Sunnie S. Y. Kim, Jennifer Wortman Vaughan, Q. Vera Liao