本文探讨了使用大型语言模型进行编程的相似之处和不同之处，认为 LLM-assisted 编程应该被视为一种具有自己独特属性和挑战的新编程方式，并讨论了在将大型语言模型应用于非专业用户编程时可能出现的问题和研究挑战。

Aug, 2022

通过对超过 100 个最近的实验研究进行超过 300 效应大小的元分析，本研究发现：平均而言，人工智能与人类的结合表现明显低于单独人类或人工智能的最佳表现；涉及决策的任务中存在性能损失，而涉及内容创作的任务中则有显著的性能提高；当人类的表现优于单独的人工智能时，结合表现会提高，但当人工智能的表现优于人类时，结合表现则会降低。这些发现突显了人工智能与人类协作效果的多样性，并为改进人工智能系统提供了有前途的方向。

May, 2024

在复杂的模拟环境中，研究表明人工智能与人类的合作胜过仅有人类或仅有人工智能代理的情况，并开发出了一种用户界面，使人类有效地协助人工智能代理。

Dec, 2023

人工智能在快速发展，人工智能系统与人类智能的协作，即人工智能协作 (HAI) 团队合作，已成为推动问题解决和决策过程进展的基石。本文调查了大型预训练模型与 HAI 的重要整合，并强调这些模型如何在协作智能方面超越传统方法。研究探讨了 LPtM 在增强人类能力方面的协同潜力，并讨论了此合作在 AI 模型改进、有效团队合作、伦理考虑以及在各个领域的广泛应用中的应用影响。通过这次探索，研究揭示了 LPtM 增强的 HAI 团队合作的变革性影响，为未来研究、政策制定和战略实施提供了洞察，旨在充分发挥这种合作的潜力，造福研究和社会。

Mar, 2024

这篇论文描述了一种研究人类与人工智能合作的新范式，称之为 “人工智能相互学习”，它定义为人类与人工智能智能代理在合作中保留、交换和改进知识的过程。我们描述了该范式下的相关方法论、动机、领域示例、益处、挑战和未来研究议程。

May, 2024

该研究提出了 Hailey，一种 AI 辅助的方案，可以帮助在线人互相提供心理健康支持，结果表明，与 AI 协作可以在同辈间提高 19.60% 的情感共鸣，并使自我效能得到提升。

Mar, 2022

介绍了一种用于创建 Java 编程的实例的制作系统，通过人工智能与人类教师的合作，以生成初始版本的代码解释，并根据需要进行编辑。还进行了一项研究，评估了使用该方法创建的解释的质量。

Feb, 2024

本文探讨和评估了一种人工智能与人类合作的方法来编写 Java 编程的示例，该方法提供了生成带有初始版本代码解释并交由教师编辑的编写系统，并介绍了对此方法创建的解释质量进行评估的研究。

Dec, 2023

本研究探讨人工智能和人类合作创意产品时，AI 对人的回馈对用户体验和参与度的影响，并通过人机合作沟通提出共创 AI 潜在的伦理问题。

Apr, 2022

人工智能在各个应用领域可以提高人类决策能力。理想情况下，人类与人工智能之间的合作应该能达到互补的团队表现，尽管迄今为止，很少观察到这种互补的现象，这表明对于决策中人工智能与人类合作中的互补成分的理解仍然不足。本文建立了一个关于理解和开发人工智能与人类互补性的整体理论基础。我们通过引入和形式化互补潜力及其实现的概念来概括互补性。此外，我们确定并概述了解释互补团队表现的来源。我们通过两项实证研究将我们的概念应用于实证验证两个不同的互补潜力源。第一项研究中，我们关注信息不对称作为一种来源，并在房地产评估应用案例中证明人类能够利用独特的背景信息实现互补团队表现。在第二项研究中，我们关注能力不对称作为另一种来源，展示了异质能力如何帮助实现互补团队表现。我们的工作为研究人员提供了关于人工智能决策中互补性的理论基础，并证明利用互补潜力来源是有效人工智能与人类合作的途径。

Mar, 2024