阈值设计师适应：共创系统中设计师的改进适应
本研究将人工智能与人类合作的问题重新定义为一种学习问题，提出团队学习策略可提高合作效果和质量，为设计更高效的人工智能合作系统提供了新的视角和框架，并就支持人们学习如何与生成型人工智能系统协作的进一步研究提出了问题和议程。
Jul, 2022
本研究观察了受过专业训练的设计师在学习如何使用两种基于人工智能的工具完成实际设计任务时所面临的挑战，发现设计师在理解和调整 AI 输出以及沟通设计目标方面存在许多挑战。通过我们的研究结果，我们提出了一些设计机会，以更好地支持设计师 - 人工智能的协作。
Mar, 2023
本研究探讨了人工智能生成系统的不同工作模式，包括人机协作生成，以及探究人们对于这些模式的偏好和使用体验。我们的实验表明，覆盖更广阔的设计空间可以提高用户的满意度和成就感，而谨慎的介入和解释可以更好的适应不同技能水平的用户。
May, 2023
本文提出了一种基于模型的强化学习的方法，即协同适应 MDPs 模型，可用于人机界面和康复系统中，可以提高用户（患者）和机器（机器人助手）的表现效果，并强调了用户与机器之间的协同适应过程。
May, 2023
开发了一个协作分布式机器学习设计工具箱，该工具箱可以指导协作分布式机器学习系统的开发，并提供不同特征的 CDML 系统原型，以满足使用案例要求。
Sep, 2023
本文探讨了一种使用机器学习找到最优配置并将搜索空间限制在这些配置中的方法，以应对系统运行期间不一致性的挑战，并在机器人任务中进行了实验。
Mar, 2019
本研究探讨了两种交互设计，一种是含有 AI-to-human communication，另一种则没有，发现在有 AI-to-human communication 的情况下，用户参与度和协作体验得到提高，用户也认为 AI 更加可靠、个性化和智能。这些发现可用于设计有效的共创系统，并可将这些洞察力转移到涉及人工智能交互和协作的其他领域。
Apr, 2022
通过生成对抗网络和角色设计相结合的协同创作框架，本研究开发了一个标记数据集并使用不同的生成对抗网络进行评估，证实了该框架的价值，并阐明了生成的概念如何以多样的方式与设计师的能力相互作用，影响构思新角色的创造过程。
Nov, 2023