通过人类用户和人类导师之间的自然互动，我们创建了一个名为 WTaG 的多模态基准数据集，进而提出了用户与环境理解以及导师决策两个任务。我们利用多个基础模型研究这些模型在感知引导任务中可以快速适应的程度，并通过定量、定性和人工评估结果显示，这些模型在某些情况下可以表现出公正的性能，但快速可靠的适应仍然是一个重大挑战。我们的基准数据集和基线将为未来研究提供一个起点。

Nov, 2023

本研究通过混合方法，探讨了在线教育是否具有使用基于生成人工智能技术的合成视频来创造有用的教育内容的潜力，并发现人工智能生成的合成视频可以成为在线教育中传统方法所制作视频的替代方案。

Apr, 2023

通过对教育文本的深度洞察，本文探讨了计算机辅助文本分析在提高教学质量方面的转变潜力，结合 Richard Elmore 的教学核心框架，研究了人工智能和机器学习方法特别是自然语言处理在分析教育内容、教师论述和学生反馈方面的作用，从教师指导、学生支持和内容开发等关键领域发现了 AI/ML 集成的重要优势，并揭示了 AI/ML 的模式，不仅可以简化行政任务，还可以为个性化学习引入新的途径，为教育工作者提供可操作的反馈，为教学动态提供更深入的理解。本文强调将 AI/ML 技术与教学目标相一致，实现其在教育环境中的充分潜力，提倡平衡的方法，包括考虑道德考虑、数据质量和融合人类专业知识。

Mar, 2024

通过使用基于 Sora 的多模态学习，利用文本提示和相关图像来构建熟练的世界模型框架，该方法在维护时间一致性和确保动作流畅性方面表现出强大的效果和创新性。

Mar, 2024

本教程关注于文本生成，这是一类自然语言生成任务，它以一段文本作为输入，然后生成一篇按照某些特定标准（如可读性或语言风格）改进的修订版本，同时保留原版文本的大部分含义和长度。

Oct, 2023

本研究通过对 14 名游戏专业人员进行语义结构化访谈，揭示了 TTIG 在游戏行业实践中的专业人士感知、采纳和使用的 12 个总体主题和 49 个子主题，可以用于促进该行业内的讨论、为政策制定人员提供信息以制定迫切需要的立法，并支持游戏、HCI 和 AI 领域的研究人员以支持 TTIG 的可持续、专业使用以造福人们和游戏文化艺术品。

Feb, 2023

通过将序列化决策问题转化为文本条件下的视频生成问题，我们能够推广到新的目标并在不同的环境下进行学习和泛化，从而建立更加通用的智能体。

Jan, 2023

通过调研文献并分析各项研究方法，该篇论文综述了文本到图像和文本到视频 AI 生成的前沿方法，包括数据预处理技术、神经网络类型以及评估指标。此外，论文还讨论了文本到图像和文本到视频 AI 生成的挑战、限制以及未来研究方向。总体而言，这些模型在视频制作、内容创作和数字营销等广泛应用领域具有巨大潜力。

Nov, 2023

生成式 AI 为语言学习提供了重要机会。AI 工具如 ChatGPT 可以通过书面或语音聊天提供非正式的第二语言练习，学习者可以通过提示指定对话参数，如熟练水平、语言风格和讨论主题。AI 可以被指导给出修正性反馈、创建练习题或制定扩展学习计划。AI 可以帮助教师构建各种媒体的学习和评估材料。然而，学习者和教师都需要理解 AI 系统的局限性，这些局限性源于它们对人类语言的纯统计模型，从而限制了它们处理语言使用中微妙的社会和文化方面的能力。此外，AI 系统的创建涉及道德问题，并且在使用中存在实际限制，尤其是对于弱势群体。AI 工具的能力和多功能性很可能使它们成为许多人生活中宝贵而常用的伴侣（类似于智能手机），创造出一种超越简单工具使用的紧密联系。生态理论如社会物质主义对于研究用户和 AI 之间产生的共同行动机制非常有帮助，以及来自原住文化的人 - 物关系视角。

Mar, 2024

本文提出了一种新方法，将无线感知技术与人工智能生成的内容相结合，提出了一个统一的无线感知 - 人工智能生成内容框架，以改善数字内容生产的质量，在服务需求的基础上生成相应的数字内容。该框架能够根据用户的姿势作为约束生成内容，并能接受用户的反馈，从而调整边缘服务器上的计算资源以提高服务质量。实验结果验证了该框架的有效性，凸显了其在准确生成数字内容方面的潜力。

Mar, 2023