使用 AI 工具预测移动应用的可用性:大型用户界面模型的崛起、机遇与挑战
通过本文讨论了三种不同的方法来利用人工智能 (AI) 来支持应用设计师创造更好、更多样化和更具创意的移动应用界面 (UI):第一种方法是设计师可以使用大型语言模型 (LLM),如 GPT,直接生成和调整一个或多个 UI;第二种方法是使用视觉 - 语言模型 (VLM) 有效地搜索大型截图数据集,例如应用商店中发布的应用;第三种方法是训练一个专门设计用于生成应用界面的扩散模型 (DM),作为启发性图片。我们讨论了如何使用 AI 来激发和辅助创造性应用设计,而不是自动化它。
Jun, 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
本文旨在通过预训练大型语言模型及相应的提示技术,实现轻量级、可通用的基于自然语言的手机交互,解决开发人员需要针对每项具体任务创建独立数据集和模型的成本和劳动力问题。研究表明,针对移动 UI 设计的四项重要建模任务中,我们的方法在不需要专用数据集和训练的情况下,取得了令人满意的竞争成绩。
Sep, 2022
将生成式 AI(GenAI)和大型语言模型(LLMs)应用于教育可以提高教学效率,丰富学生学习。使用当前的 LLM 涉及到会话式用户界面(CUIs)用于生成材料或提供反馈,但这带来了教育者在 AI 和 CUI 领域的专业知识需求、高风险决策的道德问题以及隐私风险。为了解决这些问题,我们建议从 CUIs 过渡到通过 API 调用利用 LLMs 的用户友好应用程序。我们提出了一个将 GenAI 道德地融入教育工具的框架,并展示了其在我们的工具 Feedback Copilot 中的应用,该工具为学生作业提供个性化反馈。我们的评估结果显示了这种方法的有效性,对 GenAI 研究人员、教育者和技术人员具有重要意义。这项工作为教育中的 GenAI 未来制定了一条路线。
Apr, 2024
大型语言模型在软件设计中的应用,特别是基于 LLM 的人工智能代理对开发工作量的评估提出了挑战,通过 UI 界面用户故事的比较,提出了一种改进自然语言问题规范的方法,考虑了数据源、接口和算法来评估开发工作量。
Feb, 2024
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
本研究探索手机应用程序中的人工智能功能使用现状,总结了三种主要的交互模式类型,并实施了一个多方面的搜索启用画廊,研究结果表明了我们发现的有用性。
Jul, 2023
通过使用自动生成的合成数据集和自动化工具,我们改进了现有的大型语言模型(LLMs),使其能够生成高质量的用户界面(UI)代码,并通过与其他基准模型的比较证明了我们的方法的有效性。
Jun, 2024
本文通过数据集分析、关键问题定位和用户反馈与隐私保护等多方面对 56682 款 AI 应用进行了研究,揭示了其中的不足之处,如模型保护不足,用户隐私数据泄露等,还提供了数据集以供未来研究引用。
Dec, 2022
交互式人工智能辅助系统旨在提供及时指导,帮助人类用户完成各种任务。本研究分析了用户在任务执行过程中的心理状态,并研究了大型语言模型在解析用户个人资料以实现个性化用户指导方面的能力和挑战。
Mar, 2024