评估一种协助初学游戏设计师的推荐系统
本文介绍了一个名为 Morai Maker 的基于超级马里奥兄弟风格游戏的 AI 智能设计工具,并通过两个混合方法研究总共超过 100 名参与者来讨论 AI 在创造过程中的作用及与人的合作方式。研究发现,设计师对与 AI 的交互和作用的期望存在差异,AI 使得设计师改变设计方式,设计师认为 AI 在其设计实践中具有潜在价值。
Jan, 2019
本文旨在研究设计面向用户的策略推荐系统时需要考虑的重要因素。我们进行了一项人体实验,测量了不同性格类型的用户对不同策略推荐系统的偏好,并发现某些人格特征明显影响了特定类型的系统的偏好。最后,我们报告了推荐的可用性、一致性和感知智能之间的有趣关系,其中更高的一致性与个人偏好推荐会导致更高的感知智能和可用性。
Jan, 2023
本研究提出了一种基于数据驱动的模仿学习技术的自动游戏验证和测试方法,该方法需要很少的工作量和时间,设计师们可以用它来高效地训练游戏测试代理。研究结果表明,我们的方法确实是一种有效的游戏验证方法,数据驱动编程也将是减少游戏测试工作量和提高现代游戏测试质量的有用辅助工具。
Aug, 2022
通过系统化调查分析了推荐系统在社交媒体、在线零售、城市地图和生成 AI 生态系统等四个人工智能生态系统中的影响,提出了一种简洁的分类方法,讨论了方法学和结果,并展望了未来的研究方向。
Jun, 2024
通过评估 AI 的三个角色(Recommender、Analyzer 和 Devil's Advocate)在两个不同 AI 性能水平下的效果,本文揭示了这些角色在任务性能、依赖适当性和用户体验方面的独特优势与局限性,尤其在 AI 性能水平较低时,Analyzer 角色可能更可取,这为根据不同情况设计具有适应性功能角色的 AI 助手提供了有价值的启示。
Mar, 2024
通过对已有的案例进行分析,本文提出了交互式人工智能决策辅助系统的设计,旨在通过学习人类的选择来决定何时提供算法支持,从而提高决策的准确性和可靠性。作者在美国刑事司法系统的前期释放审判方面进行了大规模实验,并发现交互式辅助系统能够在必要的时候提供准确的建议,与固定的非交互式系统相比较,可以显著提高人类的决策水平。同时,交互式辅助系统还具有促进人类学习、保护人类决策者补充优势、促进对建议的更积极响应等优点。
Sep, 2022
本文介绍了推荐系统如何支持知识库的开发和维护,讨论了在知识工程领域中采用推荐系统的几种情景,并报告了一些实证研究结果,这些结果表明用户中心的配置知识组织对于这些系统的重要性。
Feb, 2021
本文提出一种通过用户模拟来替代人类评估的方法,以实现对话推荐系统的自动评估。作者表明,通过考虑用户的个人喜好和与系统的一般交互流程,偏好建模和特定任务交互模型都有助于实现高度自动化的绩效评估结果和人工人工评估的高度相关性。
Jun, 2020
本研究介绍了一种基于文本提示生成游戏特性建议的系统。通过训练小型 GLoVe 模型的单词嵌入来提取特性和实体,并通过生成模型生成用户提示的新特性。通过对使用精调的 GPT-2 模型、使用 ConceptNet 的模型和人工创作的游戏特性生成的特性进行用户研究比较,虽然人工建议赢得了大多数投票,但在某些游戏中,GPT-2 模型表现优于人工建议。该系统是一个更大的游戏设计助手工具的一部分,能够在概念层面上与用户进行协作。
Aug, 2023
本研究基于强化学习、多模态嵌入和图嵌入等技术,设计了一个新型的数字人互动推荐代理框架,以提高个性化推荐和数字人代理的效率和准确性。实验结果表明该框架具有更好的个性化客户参与和更好的客户体验。
Oct, 2022