通过提供弹性的教育模式建议，基于 GPT-3 的智能教育辅助框架被研发，能够自动生成课程助手，可以回答与教学相关的问题，降低教师和助教的工作量同时提高学生获得课程相关信息的机会。

Feb, 2023

该论文提出了一种新颖的框架，即人工智能增强型智能助手（AIIA），用于个性化和自适应的高等教育学习。AIIA 系统利用先进的人工智能和自然语言处理技术，创建了一个互动和吸引人的学习平台，通过提供易于获得信息、促进知识评估和提供个性化学习支持来减轻学习者的认知负担，以满足个体需求和学习风格。

Sep, 2023

本研究开发了一个交互式真实仿真平台 “Help, Anna!”（HANNA），其中一个代理可通过请求和解释自然语言和视觉援助来完成物体寻找任务，解决 HANNA 问题，我们开发了一种记忆增强的神经代理和一种以模仿学习为基础的算法，通过有效地询问帮助，并同时预测自己未来的进展的机会，来比其他竞争基线更有效地避免重复错误，从而在以前看到和以前没看到的环境中获得更高的任务成功率。

Sep, 2019

构建一个互动的人工智能助手，能够感知、推理并与人类在现实世界中合作，一直以来都是人工智能领域的追求之一。本研究是开发能够与人类互动地指导执行现实世界任务的智能代理的广泛研究努力的一部分。作为这个方向的首要步骤，我们介绍了 HoloAssist，一个大规模的自我中心人际交互数据集，在该数据集中，两个人共同完成物理操纵任务。任务执行者佩戴混合现实头盔执行任务，同时捕捉七个同步数据流。任务指导者实时观看执行者的自我中心视频并给予指导。通过注释行为和对各参与者丰富行为的观察，我们提供了人类助手如何纠正错误、介入任务完成过程并将指令落地到环境的关键见解。HoloAssist 涵盖了由 350 对独特的指导者 - 执行者捕获的 166 小时数据。此外，我们构建并展示了关于错误检测、介入类型预测和手部预测的基准，以及详细的分析。我们期望 HoloAssist 将为在现实世界中与人类流畅协作的 AI 助手的构建提供重要资源。数据可从此 URL 下载。

Sep, 2023

通过使用虚拟人物的人格特征，如人物属性和流派，使角色模型更逼真地模拟人物对话风格。

Oct, 2019

LLaVA-Interactive 是一种用于多模态人工智能交互的研究原型系统，其能够通过获取多模态用户输入和生成多模态响应与用户进行多轮对话。该系统具有可视化提示功能，以对齐人类意图，同时还结合了 LLaVA 的可视化聊天、SEEM 的图像分割以及 GLIGEN 的图像生成和编辑等三种多模态技能，从而具备了成本极低的开发。该论文通过展示多样的应用场景，展示了 LLaVA-Interactive 系统的潜力，并激发了未来研究多模态交互系统的灵感。

Nov, 2023

通过采用混合方法，研究了数名在线和远程学习学生对假想智能助手（AIDA）设计的认知。所有参与者对使用此类人工智能工具在学习过程中的实用性达成了一致，同时还提到了实时帮助和问题解答、学术任务支持、个性化和可访问性，以及情感和社交支持等方面的优点。与实施 AIDA 相关的关切包括伦理和社会影响、数据隐私和使用、操作挑战、学术完整性和滥用问题以及教育的未来。探讨了面向人工智能定制系统设计的相关启示。

Feb, 2024

本文介绍了智能个人助手 Dona，它是 AI 教育主题下的项目，通过声控进行学生课程注册。Dona 接受人声输入，执行任务查询、优化、质量控制并以语音及显示文本表达输出，促进人工智能与人类之间的交互。该产品可应用于个人电脑、智能手机等多种场景下使用，是智能语音助手在学生课程注册方面的一种创新应用。

Mar, 2023

本文提出了一种智能虚拟助手，可通过情感语义解释人类语音情感， 并且通过声音风格转移和人工生成方法生成特定情感的声波，使得与之互动的人有更好的体验。

Apr, 2023

本研究提出并评估了一种综合人工智能在医学领域的框架（HAIM），以促进利用多模态输入实现人工智能系统的生成和测试，该框架可在医疗保健环境中进行研究和部署，并通过使用 Shapley 值量化每个模态和数据源的贡献，展示了多模态输入在不同医疗任务中的必要性。

Feb, 2022