这篇论文针对机器人、虚拟角色、智能车辆、决策帮助等各类 AI 系统中关于信任模型的应用和测量方法缺乏标准化的现状进行了概述和分析。作者提出了一些系统的研究目标，并为当前文献汇总的优点和缺点提供了解决方案和研究议程。

Apr, 2022

信任是人们对机器人和技术进行采纳的重要因素，因此研究过去几十年的文献主要关注于测量人们对机器人和技术的信任程度，特别是在人机交互方面。本文中，我们概述了当前的研究方法及其优势，提出了一些薄弱方面，并讨论了在人机交互中影响信任度的更全面因素的潜力。

Nov, 2023

本研究通过一般目的的人工智能 - 人类交互方式，定量测量了 AI 推荐对人类决策的影响，从而代表了人类对 AI 的信任程度，该范例可定量比较 XAI/IAI 方法对最终用户的影响，打开了学习信任的 (机器) 可能性。

Feb, 2022

本文提出了一种基于心理模型的信任理论，它不仅能够被用于推断信任，从而提供了一种替代心理或行为信任推断方法，而且还能作为基础用于任何信任感知的决策框架，通过对人类研究的对比，我们发现本文所提出的理论比最常用的信任量表（穆尔量表）更符合人类观察结果。

Jan, 2023

这篇论文通过系统综述研究了人工智能系统中适当信任的建立、度量方式、使用的任务类型以及相关挑战，并提出了一种基于信仰、意图和行为的映射方法，总结了当前趋势、潜在差距和未来工作的研究机会，以推进我们对适当信任的复杂概念在人工智能交互中的理解。

Nov, 2023

该研究探讨了人与 AI 代理之间的互动中，人的信任是如何受到个人价值观和代理价值相似性的影响的。结果表明，当代理的价值观与人的价值观相似性更高时，人们更容易信任该代理。

May, 2021

这篇论文通过对多个经过验证和可靠的人机互动信任测量工具的元分析，提出了一个一致的人机互动信任模型，为今后的研究提供了一个综合框架，并确定了信任测量的边界和需进一步调查的领域。

Mar, 2023

本文探讨人类与机器人的协作中，心理模型对信任与决策的影响，并通过一项在线测试发现，人们对机器人的能力和意图的估计与总体自我报告信任强相关。但要做出正确的决策，人们需要（并使用）多面向的心理模型，而不是仅仅校准总体信任水平。

Sep, 2019

研究人员探究了人们在处理两项困难任务时，对机器学习（ML）建议的信任程度；他们发现，即使人们了解这些任务，并给出了表明该系统不自信的信息，但在执行大部分时间正确的任务时，人们也会相信错误的 ML 建议，并且提供了四种不同类型的系统信息可增加人们对建议的信任，并且数学和逻辑技能对于使用 ML 建议的决策者来说可能与 ML 一样重要。

May, 2020

对用户信任、影响因素和测量方法进行的 23 个实证研究的综述确认了定义信任的多种方法和用户特征对 AI 启用系统中的信任产生的影响等主题，从而为未来技术和设计策略、研究和举措提供了洞察。

Apr, 2023