通过提出 Explanation-assisted Guess Which (ExAG) 游戏作为评估 AI 生成的解释对人 - AI 协作任务产生影响的一种方法，我们发现人类在进行协作任务时，当 AI 解释其答案时，能更容易地正确猜测到秘密图像，并且有用的解释显着提高了人类的实际表现。

Apr, 2019

本研究在人机合作游戏 Hanabi 中单盲评估了基于规则和基于学习的人工智能代理团队。结果表明，尽管两种团队在比赛得分上没有显著差异，但在案例理解性、信任度和总体偏好等主观评估指标上，人类普遍更喜欢基于规则的人工智能伙伴（SmartBot）而不是最先进的基于学习的人工智能伙伴（Other-Play），这对未来的人工智能设计和加强学习基准测试具有启示作用。

Jul, 2021

我们提出了一种解释方法，并通过一个真实的任务和真实的人类用户的评估来衡量它的有效性。这项工作旨在为人机协作中的自然语言处理提供设计指导。

Oct, 2018

通过虚拟环境中的交互式训练、行为测试和逆强化学习技术，实现了大规模人类行为模仿，提高了人工智能代理的交互能力，并成功解决了代理评估方面的挑战。

Dec, 2020

我们介绍了 GuessWhat?!，一种两个玩家的猜谜游戏，用于研究计算机视觉和对话系统的相互作用。我们收集了一个由 150K 个人类游戏、66K 张图像和总共 800K 个视觉问答对组成的大规模数据集。我们还使用深度学习模型建立了最初的基线。

Nov, 2016

通过创新的信号生成和操作机制，结合最先进的机器学习算法，实现了计算机在人机互动博弈中与人类合作的能力，无需复杂的对手建模或心灵理论。

Mar, 2017

该论文报告了一项灵感来自图灵测试的在线游戏 Human or Not?，此游戏采用人工智能聊天机器人和人类对话，并要求参与者正确识别对方身份。该游戏吸引了超过 150 万用户参与，研究发现，在人机交互方面，普通用户正确识别人工智能的比率仅为 60％左右，并且为未来探讨了人工智能与人类交互的可能性。

May, 2023

通过分析以前未使用的人类错误数据集，展示了人类回答错误与问题类型和视觉对话中的问答轮次的相关性，并通过使用简单的 MLP 模型和视觉语言模型的实验，证明了这些因素对于模型准确性在指向人类错误任务中的有效性。

Sep, 2023

探讨了使用 AI 辅助决策时，人工智能的预测性能与偏差如何对人类决策产生影响的复杂动态，并通过大规模用户研究发现，高性能的模型显著提高了人类在混合环境中的表现，但有些模型削弱了混合偏见，有些则加重了混合偏见。这些研究结果表明，预先评估这些复杂动态对于部署人工智能具有明确的必要性。

Feb, 2022

研究表明，当涉及到风险元素和评估人类和 AI 代理能力的探索利用过程时，人工智能和人类在小组决策方面具有互补技能。本文面向一组带有缺陷的 AI 代理人，向人类团队提交一系列智力问题，以评估团队成员和可用 AI 代理人的相对专业知识，评估不同行动的风险并通过达成共识来最大化整体回报，并提出了人工智能 - 人类团队决策的模型。研究验证了在不确定情况下的人工智能团队和人类行为预测中的前景理论、影响动态和贝叶斯学习的社会认知构建的价值。

Jan, 2022