Mar, 2024

情境化人工智能日志：利用 LLM 和时间序列行为感知技术，通过 MindScape 应用促进自我反思和幸福感

PDF
TL;DRMindScape 通过整合时间序列行为模式（如对话参与度、睡眠、位置）与大型语言模型（LLMs）来研究促进自我反思和幸福感的上下文 AI 记录的好处，此法将行为感知与 LLMs 相融合很可能开启 AI 领域新的领域。本文讨论了 MindScape 上下文记录应用的设计，该应用利用 LLMs 和行为感知生成上下文化和个性化的记录提示，以鼓励自我反思和情感发展。我们还讨论了基于初步用户研究的学生群体上下文 AI 记录的有效性在大学校园中的评估。MindScape 代表了将行为智能嵌入 AI 的新应用类别。
发现论文，激发创造
  • Sensecape: 利用大型语言模型实现多级探索与感知

    研究指出，当前交互界面仅限于线性交互，限制了大型语言模型在非线性信息任务中的应用。因此开发了一个名为 Sensecape 的交互式系统，旨在通过多层次抽象和允许用户在搜索和意义理解之间无缝切换来支持 LLM。该研究揭示了 Sensecape 增强了用户探索更多的主题和分层次结构知识的能力，并且对 LLM 工作流和信息任务的界面提出了启示。

    May, 2023

  • MindfulDiary: 利用大型语言模型支持心理科病患的日记

    MindfulDiary 是一个移动日记应用程序，整合了一个大型语言模型，帮助精神科患者通过对话记录每天的经历，它可以在临床设置中提供技术可行性和整合的潜力。

    Oct, 2023

  • 从分类到临床洞见：用大型语言模型分析和推理移动和行为健康数据

    使用大型语言模型（LLMs）综合多传感器数据生成临床有用的洞察力，首次展示使用 LLMs 进行二元抑郁症分类的准确性超过了现有技术，而且还强调了人工智能与医生领域专业知识和患者背景相结合的人工智能协同方法在临床决策支持方面的价值。

    Nov, 2023

  • 自省提示：用于上下文决策的大型语言模型

    本研究利用自省式提示 (Introspective Tips) 促进了大型语言模型 (Large Language Models) 的自我优化，从学习过程中的经验、集成专家演示和跨越多种游戏等三种方面提高决策性能，却不调整 LMM 参数，结论在 TextWorld 超过 100 个游戏中都表现出优异的结果。

    May, 2023

  • 基于自然语言的 LLMs 上下文建模与推理：教程

    利用大型语言模型，我们展示了利用文本、提示和自主代理让模型进行上下文建模和推理的计算范式，即基于大型语言模型驱动的上下文感知计算。

    Sep, 2023

  • 将生理数据与大型语言模型集成用于共情的人工智能与人类交互

    通过将生理数据与大型语言模型（LLMs）相结合，探索增强共情的方法。我们提出了一种生理计算方法，包括开发利用生理数据识别心理状态的深度学习模型，并将预测的状态与 LLMs 集成以进行共情交互。我们展示了这种方法在一个基于共情 LLM 聊天机器人用于压力监测和控制的应用。我们还讨论了一项副研究的结果，评估该 EmLLM 聊天机器人准确预测用户压力、提供类人回应以及评估与用户的治疗联盟的能力。

    Apr, 2024

  • LLMSense：利用 LLM 进行高级别时空传感器轨迹推理

    通过设计一个高效的提示框架，本研究利用大型语言模型（LLMs）的推理能力和世界知识，从长期的时空传感数据中识别复杂事件，并提供了一些关于在传感数据上利用 LLMs 进行高级推理的见解和指导，以及未来工作的几个方向。

    Mar, 2024

  • 探索基于人工智能的合成人物的增强和认知策略

    大型语言模型（LLMs）作为数据增强系统在人机交互研究中可用于创建合成人物，以解决黑盒特性和幻觉倾向带来的挑战，并提出了发展鲁棒性认知和记忆框架以指导 LLM 响应的构想。初步探索表明，数据丰富、情景记忆和自我反思技术可以提高合成人物的可靠性，为人机交互研究开辟新途径。

    Apr, 2024

  • LLM 是否能保守秘密？通过上下文完整理论测试语言模型的隐私影响

    通过提出 ConfAIde 基准测试，我们的实验结果表明即使在使用了隐私保护提示或思维链推理后，如 GPT-4 和 ChatGPT 这样的最先进模型仍然有 39% 和 57% 的概率在具体情境中泄露私人信息，这凸显了探索基于推理和心智理论的新型推理时隐私保护方法的迫切需要。

    Oct, 2023

  • LLMind: 用 LLMs 编排人工智能与物联网，实现复杂任务执行

    LLMind 是一个创新的 AI 框架，通过将 LLMs 与领域特定的 AI 模块集成，使得物联网设备能够有效地协同执行复杂任务。LLM 利用基于有限状态机的可靠和精确的语言代码转换方法进行规划和生成控制脚本。该框架还结合了语义分析和响应优化技术，以提高速度和效果。

    Dec, 2023