AITOP

人机交互

共 26 条相关 AI 资讯
7月9日
09:16
09:16官方账号arXiv cs.AI@Ricardo Maia Avelino, Rita Sevastjanova, Tom Van Mele, Philippe Block, Mennatallah El-Assady
该论文指出，当前追求消除摩擦的生成式AI（如通用对话模型）与结构设计师通过迭代摩擦激发创意的需求存在错位。研究者提出一个基于视觉语言模型的协同设计系统，使结构探索变得对话式、多模态，并能响应用户的演化意图。通过一个原型界面和与领域专家的研究，发现该系统能减少重复性建模摩擦，同时保留有益于创意生成的反思维摩擦。
论文视觉语言模型结构设计人机交互创造力设计探索
推荐理由：这篇研究说AI一味追求“省事”反而帮倒忙——结构设计需要“摩擦”来激发灵感。他们用视觉语言模型做了个交互系统，帮设计师边想边改，保留思考摩擦，去掉重复劳动。
原文
02:18
7月8日
10:16
10:16官方账号arXiv cs.AI@Antonio Andriella, Jauwairia Nasir, Andrea Rezzani, Alyssa Kubota, Dimitri Lacroix, Tamlin Love, Aniol Civit, Vicky Charisi, Elisabeth Andre, Wing-Yue Geoffrey Louie
该论文提出了基于生命周期和上下文敏感的个性化人机交互框架，结合短期/长期与开放域/封闭域交互特征。对自主性侵蚀、有偏用户建模、操纵、非人化和隐私侵犯5类伦理风险进行整合分析。将风险洞察转化为具体设计建议，并列出开放研究挑战。
论文人机交互个性化伦理风险隐私用户建模
推荐理由：这篇论文把人机交互个性化的伦理风险讲得很透，框架和风险分析都很系统，做机器人交互设计的人值得参考。
原文
6月26日
10:03
10:03官方一手Pandaily@contact@pandaily.com (Pandaily)
念响科技（Nianxiang Technology）完成近百万美元天使轮融资，用于开发非侵入式sEMG神经接口腕带Omniband。该设备通过表面肌电信号实现人机交互，目标是替代传统输入方式。资金将用于产品迭代、团队扩充及早期临床试验。
行业Nianxiang TechnologyOmniband神经接口sEMG人机交互
推荐理由：一家中国创业公司拿了近百万美元天使轮，做非侵入式神经接口腕带Omniband，用sEMG信号控制设备，和马斯克的Neuralink路线不同，更轻量更实用。
原文
6月24日
12:12
12:12官方账号arXiv cs.AI@Blade Frisch, Will Wade, Dylan Gaines, Michelle Kinsella, Betts Peters, Tamara Broderick, Keith Vertanen
该论文分析了6个AAC（辅助与替代沟通）问题空间的复杂性。AI可以增强AAC用户的能力，但当前评估指标难以捕捉用户的多方面需求。作者提出了更鲁棒的评估方法以考虑用户的交叉性细微差别。论文还讨论了跨问题空间的更广泛问题及解决思路。
论文AACAI辅助技术人机交互评估方法
推荐理由：这篇论文深入探讨了AI增强AAC界面评估的挑战，提出了新的评估方法，对研究人机交互和辅助技术的人很有启发。
原文
6月19日
16:13
6月18日
10:57
10:57官方账号arXiv cs.AI@Biswadeep Sen, Yi-Chieh Lee
一项针对120人的实验比较了社交聊天机器人三种纠错策略：网页撤回、自我纠正和专家聊天机器人纠正。结果显示三种策略均能纠正错误，但只有自我纠正不损害聊天机器人的可信度（信任度和专业感知评分更高）。用户与聊天机器人的社交连接强度（社交吸引力、自我披露）显著预测信念改变幅度，但仅在自我纠正时成立。外部来源纠正会切断社交连接与信念改变之间的关联。
论文社交聊天机器人用户信任错误纠正人机交互
推荐理由：这篇论文发现聊天机器人自己认错比让别人纠正更能维护信任，而且和用户关系越好效果越好，实测120人，结果很实用。
原文
6月12日
12:52
10:47
6月10日
11:33
11:33官方账号arXiv cs.AI@Pooja Prajod
一项针对34名新闻读者的对照实验发现，新闻中详细标注AI参与程度（如人工审核、编辑责任等）反而会降低读者信任，而简短的一行标注虽不引发此问题，却导致读者主动搜寻AI迹象以填补信息缺口。读者并未拒绝透明度，而是提出按需详情、AI比例可视化、媒体级别信号及明确“无AI”标签等用户主导的设计。研究指出，从业者认为负责任的披露方式与用户实际需求之间存在脱节，这是人机交互领域的设计问题。
论文AI透明度新闻业用户信任人机交互披露设计
推荐理由：新闻编辑室引入AI后面临信任危机，这篇论文用实验数据戳破了“越透明越信任”的迷思，做AI产品设计或新闻业的朋友值得看看，避免好心办坏事。
原文
6月8日
15:14
6月5日
01:54
6月3日
16:51
16:51向阳乔木@vista8
Laten Space 访谈了 Ethan He，分享了一系列关于 AI 模型训练与交互的深刻观点。他指出模型进步速度取决于团队迭代速度，质量提升更多来自修数据和训练流程中的 bug 而非新算法。视频模型训练需要极其详细的文本标注，GPT Image 生成图片时大部分时间在思考重写提示词。他还认为扩散模型将成为人机交互的前端层，在脑机接口普及前，最自然的交互方式是用户说话、AI 用生成式画面回应。
行业模型训练迭代速度GPT Image扩散模型人机交互
推荐理由：Ethan He 把模型训练和交互设计的底层逻辑讲透了，做模型训练或产品设计的开发者看完会有启发，特别是关于迭代速度和交互未来的观点值得反复琢磨。
原文
6月2日
12:05
12:05官方一手arXiv: DeepSeek@Jiashen Huang, Yu Jia, Xu Pan
一项针对405名中国用户的研究发现，对国内机构的信任显著影响用户对国产AI模型（如DeepSeek）的信任，而对ChatGPT等全球模型的影响较弱。研究提出“机构棱镜”框架，认为AI信任不仅是技术性能的反映，更是机构信任的折射。高机构信任增强用户对国产AI的情感信任，并使其认知评价更积极；低机构信任则削弱这一优势。该研究揭示了宏观治理与微观心理在AI信任形成中的关联，为理解不同国家AI信任差异提供了新视角。
论文机构信任AI信任DeepSeekChatGPT人机交互
推荐理由：做AI产品出海或研究人机信任的团队，这篇论文揭示了机构信任如何成为AI采纳的关键变量——理解这一点，比单纯优化模型性能更能解释用户选择。建议点开看看框架和问卷设计。
原文
12:02
12:02官方账号arXiv cs.LG@Xinhao Song, Su Su, Sirui Song, Hongliang Wu, Wen Shen, Zhihua Wei, Gongshen Liu, Linfeng Zhang, Dongrui Liu
精选72°
多模态智能体正被期望替代人类操作界面，但 CAPTCHA 验证是服务商故意设置的自动化屏障。新提出的 HLL 基准测试通过交互式 CAPTCHA 评估智能体能否以类人方式突破这一防线，而非仅靠图像识别。测试覆盖多种验证类型，并引入杂乱网页、困难变体等现实压力因素。结果显示，当前前沿多模态智能体在定位、动作校准、状态追踪和过程一致性上存在明显短板，性能随验证类型和界面复杂度剧烈波动。该基准为衡量智能体在受保护工作流中替代人类的能力提供了具体测试平台。
论文多模态智能体CAPTCHA基准测试人机交互自动化
推荐理由：CAPTCHA 是 AI 替代人类操作的最后一道门槛，做智能体自动化或 GUI 操作的团队可以用 HLL 测试自家模型的实际突破能力，结果可能会让你重新评估部署策略。
原文
11:59
11:59官方账号arXiv cs.AI@Haimin Hu
该论文提出了一种基于共形预测的算法，用于验证交互式机器人中信念空间安全过滤器（BeliefSF）的高概率安全性。传统安全过滤器仅考虑物理空间，而BeliefSF在运行时结合推理主动降低机器人对人行为的不确定性，从而减少过滤的保守性。然而，由于运行时推理误差和神经网络近似的高维性，提供形式化安全保证极具挑战。作者通过聚焦于推理可靠区域进行验证，保留了共形预测的简单性和样本复杂度，同时显著降低了安全过滤器的保守性。在模拟人车交互基准测试中，该方法比标准共形预测基线验证了更宽松的安全过滤器。
论文安全过滤器共形预测人机交互信念空间机器人安全
推荐理由：做交互式机器人安全验证的团队终于有了兼顾宽松性和形式化保证的方法——BeliefSF结合共形预测，在减少保守性的同时保持样本效率，做自动驾驶或人机协作的开发者值得关注。
原文
6月1日
09:27
06:16
06:16rohanpaul_ai@rohanpaul_ai
精选
MIT、斯坦福、纽约大学和普林斯顿联合发表论文，发现人们在使用AI时会产生“效率增益错觉”——即使实际效率提升很小甚至为负，仍感觉AI节省了大量时间。在2691名参与者的三项预注册实验中，人们高估了AI对简单任务（如算术、拼写、回忆、短改写）的节省时间，平均预期节省55.7秒，实际仅7.5秒。研究指出，AI使用的隐性成本在于界面摩擦（写提示、等待、检查等），而非智能不足。更关键的是，AI使用会自我强化：仅使用两次后，参与者就更倾向于再次使用AI，即使自己完成更快。这种依赖并非戏剧性的，而是悄无声息地重新校准了人们对自身能力的判断。
论文效率错觉AI依赖人机交互认知偏差MIT
推荐理由：这篇论文戳破了AI“效率神话”的泡沫——你以为省了1分钟，实际只省了7秒，做AI产品、写提示词、或者日常依赖AI的开发者，看完会重新审视自己的使用习惯。
原文
5月31日
14:13
5月29日
18:49
5月21日
08:00
08:00The Rundown AI@therundownai
93°
在 Google I/O 大会上，Demis Hassabis 正式介绍了 Gemini Omni，一个号称“能从任何输入创建任何输出”的新型 AI 模型。该模型支持文本、图像、音频、视频等多种模态的输入与生成，旨在实现真正的多模态理解和创作。这一发布标志着 Google 在通用 AI 能力上的重要一步，可能重塑内容创作、人机交互等领域的范式。目前具体技术细节和上线时间尚未公布，但已引发行业广泛关注。
AI模型Gemini Omni多模态模型Google I/OAI 创作人机交互
推荐理由：Gemini Omni 把多模态 AI 的边界推到了“任意输入→任意输出”，做内容创作、产品设计或人机交互的团队值得关注——这可能是下一代 AI 应用的基础设施。
原文
07:59
5月20日
05:31
5月15日
11:13
11:13官方账号arXiv cs.LG@Zhuohang Li, Liqun Huang, Wei Xu, Zhengming Zhu, Nie Lin, Xiao Ma, Xinjun Sheng, Ruoshi Wen
精选
Vision-Language-Action (VLA) 模型在灵巧操作中容易因高维动作空间和接触丰富的动力学产生累积误差。现有交互式模仿学习（IIL）在接管时存在人机指令不匹配，导致机器人手部“手势跳跃”。Hand-in-the-Loop (HandITL) 提出一种无缝干预方法，将人类纠正意图与自主策略执行融合，避免手势跳跃。实验表明，相比直接遥操作接管，HandITL 减少接管抖动 99.8%，降低抓取失败率 87.5%，平均完成时间缩短 19.1%。在三个长时灵巧任务上，用 HandITL 收集的干预数据训练的策略平均性能提升 19%。
论文灵巧操作VLA模型人机交互干预学习机器人
推荐理由：灵巧操作是机器人领域的硬骨头，HandITL 解决了人机干预时的“手势跳跃”痛点，做机器人操作或 VLA 模型微调的团队可以直接参考实验方法，减少训练数据收集中的噪声。
原文
5月14日
19:09
5月13日
15:51