一种以用户为中心，交互式，人机交互主题建模系统
本文利用模拟实验，实现和评估了三种不同的基于人类参与的主题建模方法，包括约束和先验信息方法。我们提出了一个控制度量来衡量优化结果是否符合用户期望，并发现先验信息方法比约束方法提供更好的控制，但约束方法生成的主题质量更高。
May, 2019
通过一个模拟物体检测系统的实验，我们研究了交互反馈对用户对智能系统及其准确性理解的影响，结果表明提供循环反馈降低了参与者对系统的信任和其对系统准确性的感知，这凸显了在设计智能系统时考虑用户反馈对用户信任的影响的重要性。
Aug, 2020
通过为神经主题模型添加一种直观的交互方式，即用户可以为主题标记一个词语，并更新主题词使其靠近标记词，从而允许用户根据信息需求优化主题，我们的研究方法通过人机研究评估，证明用户标记能够改善文件排序得分，帮助找到更相关的文档。
Nov, 2023
本文基于数据分析角度，对人机协同中的数据处理、模型训练和系统独立模式，进行了调查总结，分类整理，提供了自然语言处理、计算机视觉等多领域的技术优势 / 缺陷、挑战和机遇，提出了有效设计人机协同解决方案的思路。
Aug, 2021
本文讨论了人类在指定任务中使用应用程序所面临的挑战，提出了任务引导系统的发展需要寻找信息检索和会话系统来帮助任务的执行者，并针对现有数据集开发了一个基于 Wizard-of-Oz 的数据收集工具，进行了初步实验。
Nov, 2022
介绍了人与自然语言处理模型 (NLP) 的交互式 (HITL) 的短暂但激动人心的历史，总结了近期以任务、目标、人机交互和反馈学习方法为重点的各种 HITL NLP 框架，并讨论了将来在 NLP 开发中整合人类反馈的方向。
Mar, 2021
本文介绍了一种人在循环中的系统，Manual Correction System (MCS)，使用 Chain-of-Thought 提示增强 LLM 的推理表现，并且提出了基于古典经济理论的 Cost-Utility 分析模型 (CAMLOP) 来分析、量化和平衡效用和相应成本。作者进行了 MCS 和 CAMLOP 实验，并与 12 个数据集的强基线进行比较，结果证明其超越了强基线，并具有成本和效用的显着优势。
Jun, 2023
本文介绍了一种人机交互的 TDT 模型方法，通过生成新闻语料库的可视化概览，用户能够选择感兴趣的区域并回答一系列问题，从而更好地理解不同事件及其共性，从而优化算法
Oct, 2021