Jun, 2023

开发特定领域自然语言处理应用的生成用户体验研究

PDF
TL;DR本文提出了一种将生成性用户体验（UX）研究与开发领域自然语言处理（NLP）应用程序相结合的方法论，并在案例研究中证明，将领域专家参与其中可以提高他们对最终 NLP 应用程序的兴趣和信任。
发现论文，激发创造
  • 用户体验设计专业人员对生成人工智能的感知

    研究发现，经验丰富的设计师对于 Generative Artificial Intelligence（GenAI）的作用持支持态度，强调了人类在享受和作为 “AI 合作伙伴” 的裁决者方面的独特优势，然而，技能退步、工作替代和创造力衰竭可能会对初级设计师产生不利影响。研究探讨了人类与 GenAI 的合作的责任和参与度，包括版权和所有权，人类的创造力和主权，以及 AI 读写能力和使用方面的机会。

    Sep, 2023

  • 一种可扩展的框架，用于从隐性用户反馈中学习，以改善大规模对话 AI 系统中的自然语言理解能力

    本文提出了一种可扩展且自动的方法，通过利用隐式用户反馈来改进大规模对话 AI 系统中的自然语言理解 (NLU)。我们基于用户交互数据和对话上下文，提出了一个通用的领域无关框架，以改进来自生产流量的 NLU 新监督数据。通过广泛的实验，我们展示了应用该框架并改进大规模生产系统中的 NLU 的结果，并展示了其在 10 个领域的影响。

    Oct, 2020

  • 从自然语言指令和 GUI 演示中进行交互式任务与概念学习

    本篇论文介绍了一种新的多模态、领域无关的方法，结合自然语言编程和演示编程，允许用户在高层次上自然描述任务和相关条件，并通过对话和演示递归地解决任何模糊不清的问题。PUMICE 是一个可供最终用户编程的代理系统，实现了这种方法。10 位用户的实验显示出系统的可用性。

    Aug, 2019

  • 生成式人工智能应用的设计原则

    生成型人工智能应用的设计原则和用户体验能力等方面的设计策略，通过研究文献回顾、设计实践者反馈、真实生成型人工智能应用验证以及设计流程的融入等方式得出。

    Jan, 2024

  • 设计理解：支持使用 AI 提升用户体验的设计构思的模型透明度所需的信息

    该研究探讨了透明性模型报告框架是否能够支持预训练模型的设计构思，并确定了 UX 设计师在预训练模型的理解方面需要透明性信息。

    Feb, 2023

  • 通过机器学习语言模型增强操作系统中的用户交互

    使用大型语言模型进行用户交互的研究，结合机器学习和交互设计来改善推荐系统和操作系统的用户体验，以提供更智能和个性化的服务，满足用户需求并促进产品的不断改进和优化。

    Feb, 2024

  • 走向生态有效的语言用户界面研究

    使用近代深度学习方法构建 Data-driven 的语言用户界面（LUIs），作者讨论了生成的数据来源对于实际应用的有效性的影响，指出当前一些基准测试对真实应用存在差距，提出了提高 LUIs 机器学习研究的生态效度的建议。

    Jul, 2020

  • 用户中心设计 (IX)：智能时代下的 “用户体验 3.0” 范式框架

    该论文提出了一个 “UX 3.0” 范 paradigmework 和相应的用户体验方法系统来改进现有的用户体验方法，为开发智能系统中的用户体验提供方法论支持，包括生态体验，创新体验，AI 支持体验，人 - AI 交互体验和人 - AI 协作体验方法等。

    Feb, 2023

  • 声音用户体验的定性方法

    现代基于计算机系统提供了一种自然的表达模式，本文通过系统综述和定性综合，对声音用户体验的定性方法进行了研究，强调了定性方法在声音用户体验研究中的好处，并提出了增加方法和结果的严谨性的机会，以及从各种设备和质性实践模式中的体验模式。

    Apr, 2024

  • 计算机用户界面理解：一个新的数据集和学习框架

    介绍了计算机用户界面 (UI) 理解的研究课题，包括创造一个视频数据集、合成样本生成管道和对图像进行对比学习的框架，实验证明该框架优于先前提出的层级多标签对比损失在细粒度用户界面分类中的表现。

    Mar, 2024