多样性对团体决策的影响
本研究旨在了解信心与能力差异对讨论动态和结果的影响。通过一个在线团队地理游戏，结果发现在面向任务的讨论中，较为自信的个体即使与队友处于同等能力水平，也会对小组决策产生更大的影响，这种信心在决策过程中的不当作用经常会导致团队表现不佳，并通过调查信心对谈话动态的影响来探究这种现象。
Feb, 2017
研究表明，任务分配在元学习者的表现中起着至关重要的作用。传统的智慧认为，任务多样性应该能够提高元学习的性能。然而，本文发现相反的证据。通过实验证据和理论证明，我们发现，将任务分配的多样性降低到一个子集水平，有时的效果甚至更好，并且将任务分配的多样性提高到更高水平的某些情形下，反而会阻碍模型的运作，并且不会带来预期的性能提升。
Jan, 2022
本文研究了在线连接人们以帮助他们解决日常问题的问题。我们利用声明性规范来调解在线互动，特别关注在连接人们时利用多样性的问题。我们在不同大学场地进行了试点，结果显示选择档案的多样性相对成功，用户满意度高。
Sep, 2023
该研究基于不完全信息和灵活公平标准，通过异构图探索社会多样性对终局博弈的影响，并发现了降低公平要求下利用某些个体影响力的机制来进一步降低支出的结果，为引导社会多元体系中的机构政策提供新的见解。
Nov, 2022
大型生成语言模型的关键挑战是多样性，本文通过提出度量多样性的评估数据集和指标，并应用集体批判和自我投票等方法，有效提高模型对人群和文化的多样性。
Oct, 2023
本研究探讨个人和社会偏见对人类顾问的影响，通过评估人类参与者识别虚假标题的能力，研究这些偏见在虚假新闻这一普遍问题中的影响。我们研究了敏感特征相关的新闻标题，收集了一个全面的数据集来探索个人偏见如何塑造人类反应。我们的分析揭示了重复的个人偏见以及它们在集体决策中的渗透。我们表明人口因素、新闻标题类别和信息呈现方式显著影响人类判断中的错误。然后，我们将收集的数据作为一个基准问题，评估自适应聚合算法的效能。除了改进的准确性之外，我们的结果突出了集体智慧的出现与参与者偏见缓解之间的相互作用。
Mar, 2024
研究表明，当涉及到风险元素和评估人类和 AI 代理能力的探索利用过程时，人工智能和人类在小组决策方面具有互补技能。本文面向一组带有缺陷的 AI 代理人，向人类团队提交一系列智力问题，以评估团队成员和可用 AI 代理人的相对专业知识，评估不同行动的风险并通过达成共识来最大化整体回报，并提出了人工智能 - 人类团队决策的模型。研究验证了在不确定情况下的人工智能团队和人类行为预测中的前景理论、影响动态和贝叶斯学习的社会认知构建的价值。
Jan, 2022
本研究分析了 4 个不同的评价者组对 4 个先进的对话系统进行评估的影响，结果表明在 Likert 评估中评价者组的选择对结果影响较小，但在 Pairwise 评估中存在显著差异，同时也发现了与对话机器人专业水平相关的评价者不一致问题，并指出在某些对话指标中评价者的客观性是有益的。
Sep, 2023