本文旨在从以人为中心的角度出发，探讨在自动文本摘要系统中人们在与 AI 交互时的角色、经验和需求，设计文本摘要原型来帮助用户理解他们与 AI 的关系，进而提出设计上的考虑，以期提高用户体验。
Jun, 2022
通过提出一个框架，使用户能够无缝地探索、评估和综合多种响应，并通过 Luminate 互动系统与 8 名专业作家的用户研究展示了这个框架的可行性和有用性，我们推进了与大型语言模型的创造性任务互动的方式，引入了一种利用大型语言模型的创造潜力的方法。
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
本文通过开发人工智能与自然语言交互评估（HALIE）框架，进行基于人的语言模型交互评估，包括交互过程、第一人称主观体验和执行效果等方面，设计并测试了五种交互式任务，研究了四种先进的语言模型，发现非交互式的性能并不总是导致更好的人工智能与自然语言交互，并且第一人称和第三方评价的指标可以有所区别，因此研究人工智能与自然语言交互的微妙差别非常重要。
Dec, 2022
探索人类沟通策略以设计更加能理解和与用户意图对齐的人工智能系统，以实现人类中心的人工智能系统。
May, 2024
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
探索人类如何最好地利用 LLMs 进行写作，以及与这些模型交互对写作过程中的所有权感和信任感的影响，我们比较了在 LLM 辅助的新闻标题生成背景下的常见人工智能与人类交互类型（例如，引导系统、从系统输出中选择、后编辑输出）。虽然 LLMs 单独可以生成令人满意的新闻标题，但平均而言，需要人类对不符合要求的模型输出进行修正。在交互方法中，引导和选择模型输出带来了最大的利益，成本最低（时间和精力）。此外，与自由编辑相比，人工智能辅助对参与者对控制感的认知没有造成伤害。
该研究探讨了在艺术创作中将人类专业知识与 AI 模型相结合，以实现更具表现力、细腻和多模态的生成作品的方法，并提出 Human-in-the-Loop 的设计，以增加人类与 AI 之间的互动，从而帮助未来的 AI 系统更好地理解我们自己的创造和情感过程。
Oct, 2021