本文探讨了大型语言模型在文本生成方面的出色表现，介绍了不同人工智能与人类交互模式下的文本生成任务谱系，并鼓励研究人员关注需要更高程度人类参与的复杂、相互依存的创作任务。

Mar, 2023

人工智能在决策支持系统中的应用主要集中在技术进步方面，忽视了算法输出与人类期望的一致性。为了解决这个问题，可解释的人工智能提倡更加以人为中心的发展。为了更好地理解人与人工智能的交互，我们通过对 105 篇选定文章进行系统综述，提出了一种交互模式分类系统，以深入研究不同人机交互方式。通过对现有研究的分析发现，现有的交互方式主要是简单的合作模式，对于真正的交互功能的支持相对较少。我们的分类系统将有助于理解当前决策环境中人与人工智能的交互方式，并促进交互设计的有意选择。

Oct, 2023

该研究旨在开发半正式的设计空间，为人工智能交互建立一套规范用户与 AI 系统在交互过程中的通信的交互基元，进而将这些基元组合为一组交互模式，为人类和 AI/ML 模型之间交换信息提供抽象规范，以评估现有实践的相似性和差异性，并为新系统的创建提供可能性空间。

Jan, 2024

本文提出了一个文本编辑器，使用自动文本摘要为用户提供不断更新的逐段摘要，以边缘注释的方式帮助用户规划、结构化和反思写作过程。通过两个用户研究，作者发现这个系统为用户提供了一个外部的视角来帮助他们修改段落的内容和范围，并且帮助用户快速了解文本的总体情况和开发一些集成自动摘要中得到的见解的策略。通过探究和强调设计 AI 工具以帮助写作的价值，这项工作突显了自然语言处理 (NLP) 能够超越直接的文本生成和纠正。

Aug, 2022

SummHelper 是一个 2 阶段的摘要化助手，旨在促进人机协作，通过内容选择和内容整合两个阶段，平衡自动化指导和个人输入的机会，并生成一份凝练有序的摘要。

Aug, 2023

本文提出引入不同层次的人类反馈，结合增强学习以提高抽象对话摘要的质量。实验表明，该方法在人类判断方面优于监督式基线，并能提高摘要质量。

Dec, 2022

自动文本摘要在近年来取得了实质性的进展。Ter Hoeve 等认为自动摘要生成的类型与用户需求不符，推荐增加更多图形元素。基于这个任务，我们提出了摘要与图形元素结合的新任务，并验证这些摘要对大众有助益。我们收集了一个高质量的人工标注数据集，提供基线模型表明该任务是有趣和具有挑战性的。希望这项工作能够在自动摘要社区中引起新的研究线路。

Apr, 2022

本研究探索了人工智能自动摘要以及人工手动摘要之间的优劣，研究发现人工智能生成的摘要进行后编辑可以提升摘要质量，不过效果因人而异。

Jun, 2022

本文详细介绍了文本摘要的各种方法，包括提取和抽象两种途径，评估指标、基准数据集与未来的研究展望，并讨论了生成摘要的不同评估方法与相关研究中可能出现的挑战和研究机遇。

Mar, 2022

本文探讨了人工智能、对齐、大型语言模型、总结模型和人类反馈等方面的方法论挑战，特别是针对训练总结文本的 LLMs。具体地，我们关注的是收集可靠人类反馈的方法，以训练奖励模型并进一步改进总结模型。结论是建议有关 LLMs 总结能力对齐研究的实验设计方面进行特定的改进。

Dec, 2022