为了加速严重运动障碍者在辅助和替代交流中的文本输入，我们提出了一种方法，该方法通过将短语缩写为主要的单词首字母来拓展缩写，利用预先训练的大型语言模型（LLMs）来利用会话上下文。通过在四个公共会话数据集上进行零样本、少样本和微调实验，我们展示 LLM 能够精确地扩展高达 70% 的缩写短语，包括具有长达 10 个单词的缩写短语。这种方法有效地节省了高达约 77% 的击键率。添加一个简短的会话回合的上下文比没有上下文的精确率高出一倍以上，这种效应在较长的短语中更为显著。此外，模型对于打字错误的鲁棒性可以通过在嘈杂的数据上进行微调来增强。

May, 2022

该研究综述了针对大型语言模型（LLMs）的挑战以及提高系统效率的最新进展和研究方向，包括算法级加速技术、LLM 硬件与软件协同设计策略、LLMs 加速器编译方法以及利用 LLMs 辅助电路设计的方法。通过这些工作，旨在为 LLMs 在各种应用中实现更高效、可扩展的部署铺平道路。

Jun, 2024

研究了大型语言模型在多个人工智能加速器和图形处理器上的性能特性，并评估了这些模型的性能，考虑到序列长度、扩展行为、稀疏性和梯度积累步骤的敏感性。

Oct, 2023

本文研究了使用自然语言和大型语言模型进行辅助技术控制以支持可访问性测试，并构建了一个系统，该系统使用大型语言模型和基于像素的用户界面理解模型执行测试并生成可分章节、可导航的视频，通过 10 名可访问性质量保证专业人员的用户研究评估，表明该工具在提高工作效率方面非常有用，并揭示了将大型语言模型应用于可访问性测试的未来工作方向。

Oct, 2023

该研究综述了与优化大型语言模型性能和能源效率相关的硬件加速器，涵盖了多种加速器的体系结构、性能指标和能源效率考虑，并为研究人员、工程师和决策者在现实应用中优化大型语言模型的部署提供了有价值的见解。

Jan, 2024

过去十年中，许多训练和部署大型语言模型（LLMs）的策略涌现出来。本文旨在强调利用自由形式的模态和口头自由形式的语境作为用户指导通道以进行下游部署的重要性。具体而言，我们分析了两种类型的 LLMs 的模态结构以及部署过程中的六个具体任务通道。从用户的角度出发，我们引入并应用了任务可定制性、透明度和复杂性的分析度量标准来衡量它们的可用性，突显了 AR-LLMs 的提示范例的优越性。此外，我们通过采用自由形式文本和口头语境来激发 LLMs 中的多样化认知行为，模仿了人类的这些行为的语言表达方式。然后，我们详细介绍了四种常见的认知行为，以强调 AR-LLMs 的提示如何成功地模仿使用这种自由形式的模态和通道的类似人类的行为。最后，通过认知行为的概念和原则，确定了改进 LLM 在自主代理和多代理系统中部署的潜力。

May, 2024

通过利用大型语言模型 (LLMs) 的升级力量，本研究关注于构建一个可作为用户与用户界面之间中介的框架，通过对自然文本输入进行彻底分析，有效地理解用户需求，使得精心设计的 LLM 引擎能够分类最可能的可用应用程序，识别所需的用户界面组件，并随后执行用户预期行为，从而将静态用户界面系统转变为高度动态和适应性强的解决方案，引入智能和响应式用户体验的新领域。这样的框架可以从根本上改变用户完成日常任务的方式，提高效率，并大大减少认知负荷。

Feb, 2024

通过结合大规模语言模型作为语音界面，我们提出了一个框架，用于将大规模语言模型应用于物理辅助机器人，以实现高水平任务规划和代码生成，并通过实证研究为物理辅助机器人的语音界面设计提供指导。

Apr, 2024

利用大型语言模型（LLMs）适应手势分析和生成，使用 ChatGPT 作为工具建议能够实现设计师意图的上下文特定手势，并且发现 ChatGPT 可以提供不在最小训练数据中的新颖而适当的手势，从而减少繁琐的注释工作，并有潜力快速适应不同的设计意图。

Oct, 2023

应用自然语言处理技术改进高科技补助和替代性沟通（AAC）方面的研究越来越多，但很多这些技术忽略了用户的观点。作者通过深入访谈 12 名自闭症成人，发现当前 AAC 存在的问题，确定了对其有帮助的普遍技术改进，并针对九个主题分类提出了指导建议，以改善自然语言处理界、AAC 应用制作者和决策制定者对自闭症成人的 AAC 使用。

Apr, 2024