通过人类参与设计收集与 AI 代理工作有关的问题，并使用 TMK 模型显式地指定代理人的任务目标，机制，知识和词汇，从而在 Skillsync 中生成解释。

Jun, 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

通过互动速写问答的新颖任务和高效的互动体系，实现智能体之间的多轮信息交流，达到了高准确度、低绘画复杂度和良好人类解释性的目标。

Oct, 2023

本研究探讨了几种结合不同能力的机器学习模型，旨在实现一个综合性的对话系统，并提出了一个新的数据集 BlendedSkillTalk，通过比较不同架构和训练方案的表现来分析这些能力如何在自然对话中融合。研究结果表明，相比于单一技能的模型，多任务训练可以更好地提高混合会话的表现，而统一或二阶段方法都可以表现良好，关键在于避免不必要的技能选择偏差或在新任务上进行微调。

Apr, 2020

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

我们提出了一种新颖的基于 AI 的聊天机器人学习模式，用户通过与教师机器人的对话获取信息和知识。我们的系统使用了一种新型加强自我对话模式，在不同领域之间实现知识传递和关注用户的对话。我们在三个大型公共数据语料库上进行了广泛的主客观评估，证明了我们的系统在传递知识和关注用户方面的有效性，帮助用户在不阅读文章的情况下大大提高知识水平。

May, 2022

研究如何使用自然语言来协同解决物理装配问题，结果表明，参与者通过使用更高级别的指称表达逐渐提供越来越简洁的指示，从而达成了共享过程中的概念抽象，这为智能体之间的共同程序化抽象的协调提供了归纳偏见的启示。

Jun, 2021

本文通过引入多智能体训练框架，提出交互式学习作为一种替代奖励或演示驱动学习的方法，并通过一系列实验展示了信息共享、信息查询和问答等交互学习行为的出现，最终发现该方法可以使得自主智能体在不需要显式演示或奖励函数的情况下，与人类合作执行任务并获得更好表现的能力。

Jun, 2019

计算思维与计算机编程具有学习曲线陡峭的特点。通过对话代理和生成式人工智能（genAI）的应用，可以提供个性化指导、互动学习体验和代码生成来促进学习过程。然而，目前基于 genAI 的聊天机器人主要面向专业开发人员，对教育需求的考虑可能不足够。因此，与教育者合作设计教育工具至关重要，本文通过设计虚构会话中的参与教育者洞察了一种具备指导学生分步练习、调整指导方法并关注教育背景、技能和学习偏好的对话代理，这些发现可为面向教授计算思维和计算机编程的辅导对话代理的未来实施提供指导。

Nov, 2023

本论文探讨使用公开可用的 AI 技术来构建有效的面试聊天机器人。我们建立了一个具有一部分积极倾听技能的原型来证明可行性，并在 206 名用户的实时评估中比较了具有或没有积极倾听技能的面试聊天机器人在四个常见面试主题上的表现。我们的工作提出了建立有效面试聊天机器人，混合式聊天机器人平台和超越面试任务的移情聊天机器人的实用设计影响。

Feb, 2020