多学科合作的AI开发中，通信差距与信任问题是重要挑战，通过分析智能开发人员的访谈和沟通产物，分享了智能开发人员面临的通信障碍类型、如何跨学科和组织沟通，以及如何同时管理信任和期望。

Jan, 2021

本文探讨了人工智能与人类的有效协作，分析了人工和人类智能应具备的元素和历史案例，并提出了一个协作人工智能的路线图。

Mar, 2023

研究了18位数据工作者对人工智能在数据叙事中协作的需求和偏好，发现他们对与人工智能协作持有兴奋态度，但也表达了一些疑虑和原因。研究还总结了数据叙事工作流中的任务阶段和期望人工智能的角色，并提出了建议，以促进未来相关研究。

Apr, 2023

本研究旨在更好地了解业界从业人员在跨职能协同合作AI公平方面的现状和策略，以识别支持更有效协作的机会，并关注业界从业人员在此过程中承担的隐性劳动。

Jun, 2023

探索人类如何最好地利用LLMs进行写作，以及与这些模型交互对写作过程中的所有权感和信任感的影响，我们比较了在LLM辅助的新闻标题生成背景下的常见人工智能与人类交互类型（例如，引导系统、从系统输出中选择、后编辑输出）。虽然LLMs单独可以生成令人满意的新闻标题，但平均而言，需要人类对不符合要求的模型输出进行修正。在交互方法中，引导和选择模型输出带来了最大的利益，成本最低（时间和精力）。此外，与自由编辑相比，人工智能辅助对参与者对控制感的认知没有造成伤害。

Oct, 2023

自然语言处理中智能模型的进步与行业模型的重要性及其对学术论文的影响进行调查，发现与行业的合作在NLP出版物中有显著依赖性，并探讨了两种可能的解释。

Dec, 2023

人工智能（AI）在工业和学术界取得了巨大的发展。然而，工业界最近取得的令人瞩目的进展震撼了世界，这使得我们对学术研究在这一领域中的作用有了新的认识。我们通过对过去25年间工业界和学术界在AI领域产生的影响和类型进行了界定，并建立了一些模式。我们发现，由纯粹由工业研究人员组成的团队发表的论文往往会受到更多的关注，更有可能被高度引用和具有颠覆性引用，而且是几倍于产生最先进模型的可能性。相比之下，我们发现纯粹由学术研究团队发表的论文占了AI研究的大部分，并且往往产生更高的创新性工作，其单篇论文成为非传统和非典型论文的可能性是几倍于其他。工业界和学术界在影响力和创新性方面的优势对于子领域、团队规模、资深度和声誉的控制都是稳健的。我们发现学术界和工业界的合作很难复制学术团队的创新性，并且往往与工业团队相似。综上所述，我们的研究结果确定了学术界和工业界在人工智能健康进展中所作出的独特和几乎是无可替代的贡献。

Jan, 2024

人工智能在各个应用领域可以提高人类决策能力。理想情况下，人类与人工智能之间的合作应该能达到互补的团队表现，尽管迄今为止，很少观察到这种互补的现象，这表明对于决策中人工智能与人类合作中的互补成分的理解仍然不足。本文建立了一个关于理解和开发人工智能与人类互补性的整体理论基础。我们通过引入和形式化互补潜力及其实现的概念来概括互补性。此外，我们确定并概述了解释互补团队表现的来源。我们通过两项实证研究将我们的概念应用于实证验证两个不同的互补潜力源。第一项研究中，我们关注信息不对称作为一种来源，并在房地产评估应用案例中证明人类能够利用独特的背景信息实现互补团队表现。在第二项研究中，我们关注能力不对称作为另一种来源，展示了异质能力如何帮助实现互补团队表现。我们的工作为研究人员提供了关于人工智能决策中互补性的理论基础，并证明利用互补潜力来源是有效人工智能与人类合作的途径。

Mar, 2024

记者在使用大型语言模型（LLMs）时存在与AI的互动，而研究揭示了记者如何向LLM提供敏感材料并以有限的干预发表机器生成的文章，因此呼吁进一步探讨AI的负责任使用以及在新闻环境中使用LLMs的明确准则和最佳实践。

Jun, 2024

本研究探讨了公众对人工智能（AI）生成内容的看法，特别是AI与人工生成新闻之间的感知质量差异。研究发现，无论文章作者是AI还是人类，公众对文章质量的评价相当；然而，披露AI参与生成的信息提高了文章的即时参与度，但并未减少读者对未来AI生成新闻的厌恶感，这揭示了AI在新闻媒体使用中的复杂性。

Sep, 2024