Oct, 2023

Prompt-to-OS（P2OS）：用集成的 AI 生成模型革新操作系统和人机交互

PDF
TL;DR本文旨在介绍一种创新的人机交互范式，其中用户与机器的交互由相互连接的生成性人工智能模型生态系统处理，这一范式通过大规模的生成模型实现，使得用户无需显式命令或复杂导航，直接与系统进行自然语言对话，并为用户提供上下文和有意义的响应，提供流畅和直观的交互方式。然而，这一范式带来了隐私、安全、可信性和生成模型的道德使用等重大挑战，需要建立强有力的保护机制来预防潜在的数据滥用或操纵。
human-computer interactiongenerative ai modelslanguage modelsnatural language conversationsprivacy
发现论文，激发创造
  • PerOS：云上的个性化自适应操作系统

    本文提出了 PerOS，一种具有大型语言模型（LLM）功能的个性化操作系统，旨在通过声明性界面、自适应内核和安全数据管理等方法，在可扩展的云中心架构中提供定制化的用户体验，以解决如何开发智能、安全、可伸缩的操作系统以向数千用户提供个性化体验的主要研究问题。

    Mar, 2024

  • 生成输入：走向下一代的输入方法范式

    本研究提出了一种名为 GeneInput 的新型生成输入范式，通过使用提示来处理所有输入场景和其他智能辅助输入功能，并通过用户反馈优化模型以提供个性化结果。结果表明，在全模式键序列到字符（FK2C）任务中，我们首次实现了最先进的性能。我们提出了一种新的奖励模型训练方法，消除了额外的手动注释需求，并在涉及智能关联和对话辅助的任务中超越了 GPT-4 性能。与传统范式相比，GeneInput 不仅展示了卓越的性能，而且具有增强的鲁棒性、可扩展性和在线学习能力。

    Nov, 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

  • 构建虚拟世界：从提示到实现的步骤

    本文介绍了利用大型语言模型进行代码生成的方法，以实现在虚拟现实世界中运用生成过程、计算机协助创作游戏和制作静态内容，同时探讨了如何评估和基准测试由生成模型创建的交互体验以及 AI 辅助共同创作在虚拟现实中的挑战。

    Nov, 2022

  • 零样本和少样本学习在生成模型创意应用的人机交互中的机遇与挑战

    通过提示将零样学习和少样学习赋予 AI 新任务的方法是一种用于人工智能交互的新范例。本文分析了使用提示作为新范式的交互式创意应用程序的关键机遇和挑战，并提出了四个设计目标。我们重点关注创意写作的用例，提出了具体的 UI 设计草图，HCI 和 AI 研究社区可以以此为起点，开发出适当的用户界面，用于零样学习和少样学习模型。

    Sep, 2022

  • 生成人工智能与过程系统工程：下一个前沿

    本文探讨了新兴生成式人工智能（GenAI）模型，如大型语言模型（LLM），如何增强过程系统工程（PSE）中的解决方法学。研究发现，这些尖端的 GenAI 模型，特别是基础模型（FM），在广泛的任务范围内，如回答查询、图像生成和复杂决策等方面提供了多功能适应性。本文深入介绍了经典和新兴的 GenAI 模型，包括 FM，并探讨了它们在 PSE 的关键领域内的应用，如合成和设计、优化和整合以及过程监测和控制。此外，本文还讨论了在充分利用 GenAI 在 PSE 中的潜力方面所面临的潜在挑战，包括多尺度建模、数据要求、评估指标和基准、以及信任与安全性，从而加深对如何将 GenAI 有效集成到系统分析、设计、优化、运营、监控和控制中的探讨。该研究为未来关于在 PSE 中应用新兴 GenAI 的研究提供了指导。

    Feb, 2024

  • 生成式大语言模型的基础及在网络防御中的应用

    该篇综述论文报道了 2022/2023 年间出现的生成式语言模型，尤其是 ChatGPT 模型和其与辅助功能（如微软 Bing）的整合，探讨了这些模型的原理、能力、局限性和未来前景，以及在瑞士操作环境下的应用和当前存在的安全问题。

    Mar, 2023

  • 超越现实：生成智能在元宇宙的关键角色

    这篇研究论文通过全面探索生成式人工智能技术如何塑造元宇宙，将其转变为一个动态、身临其境和互动的虚拟世界，提供了未来元宇宙的指南，并向读者展示了如何利用生成式人工智能的力量创造沉浸式虚拟世界。

    Jul, 2023

  • 交互式文本生成

    介绍了在文本生成任务中，引入了一种使用用户模拟器进行交互式训练，使用模仿学习方法训练的交互式模型，证明这种方法比非交互式模型更好

    Mar, 2023

  • 代码在生成式人工智能模型的终端用户编程中是否仍然是一个相关的用户界面？

    终端用户编程研究领域主要关注于帮助非专业人士掌握足够的编程知识以完成任务，然而生成式人工智能可以通过自然语言提示生成代码，可能彻底改变这一情况。本文探讨了在生成式人工智能时代，传统编程语言对非专业终端用户编程者的可用性和价值。我们提出了 “生成式转变假设”，即生成式人工智能将会在终端用户编程的传统范围内带来定性和定量的扩展。同时，我们列举了一些传统编程语言对终端用户编程者仍然具有重要性和实用性的原因，并探讨了这些原因是否会随着生成式人工智能的进一步改进和创新而消失。最后，我们提出了一系列对终端用户编程研究的启示，包括需要重新审视许多已建立的核心概念，如 Ko 的学习障碍和 Blackwell 的注意力投入模型。

    Nov, 2023