- 大型语言模型能模拟人类的信任行为吗？
大型语言模型（LLM）代理程序作为模拟人类行为的应用工具已经得到越来越广泛的应用，本文关注于研究 LLM 代理程序能否真正模拟人类的信任行为，通过对 LLM 代理程序在信任博弈框架下的行为模式以及与人类的行为一致性的研究，探究了代理程序对信 - 无监督从 2D 姿势中重建 3D 人体姿态交互
研究人员提出了一种无监督多人二维至三维人体姿势估计方法，通过对相机高度角度进行预测，解决了单眼图像中透视模糊问题，实现了精确的人体姿势三维重建，并在 CHI3D 数据集上展示了结果和量化评估。
- ACL交互式学习社交媒体表达提高新闻来源事实准确性检测
社交媒体的兴起使得虚假新闻的广泛传播成为可能，而虚假新闻被故意发布以传播错误信息和影响人们的信仰。本文介绍了一种新的方法，通过人机交互的方式改善自动化系统对社交媒体的表示质量，在真实事件中实验表明，在少量人机交互之后，系统检测新闻可信度的性 - 新闻媒体来源的交互式框架
我们提出了一个交互式框架来进行新闻媒体分析，结合了基于图的新闻媒体分析模型、预训练的大型语言模型和人类洞察力，能够在社交媒体上快速检测出假新闻和有偏见的媒体，即使在最具挑战性的新闻事件的情境中，其中有未见过的测试数据。
- 通过提示工程探索大型语言模型和基于 Agent 的建模的交叉领域
通过使用大型语言模型进行人际互动的模拟，本研究通过来自 Park 等人（2023）的启发，通过引入兴趣引擎技术，展示了两种可信的人类行为代理模拟：一种是两个代理人的谈判，另一种是六个代理人的谋杀迷游戏。
- 人工智能数据丰富化的伦理模棱两可性：评估研究伦理规范和实践中的差距
本研究探讨人工智能领域的伦理规范问题，发现虽然现有的一些 AI 会议和出版物已经开始确立人类数据收集的协议和规范，但是这些规范往往被作者忽视，相比之下，在心理学领域进行与众包工人的合作时，生活方式和其他信息的道德审查披露要频繁得多。
- ILLUME: 通过人类交互合理化视觉语言模型
本研究旨在提出使用人与机器生成数据进行调整范例，以改进视觉语言模型的常识推理与人类意图的一致性，结果发现我们的 ILLLUME 方式可有效改善模型的推理能力，并仅需较少的训练数据以及极少数反馈。
- CVPROakInk：一个用于理解手与物体交互的大型知识库
本文提出了一个多模态、丰富注释的知识库 OakInk，旨在构建能够对手 - 物互动进行视觉和认知理解的口袋知识，包括两种知识库：Oak 用于记录物体的 affordances，Ink 用于记录物理世界中的人类互动行为，并使用新颖的方法 Ti - CVPR弱监督的物理无约束凝视估计
本研究针对自然场景下获取三维凝视注释的挑战进行了探讨，提出了一种基于 LAEO 标签的弱监督凝视估计算法，该算法通过训练算法和损失函数实现了可行的三维凝视监督，结果表明，这种方法对于半监督凝视估计的准确性和跨域泛化的改进方面取得了显着的进展 - 我的聊天机器人应如何互动？人机交互设计调查
本文调研了基于文本的聊天机器人的社交特性，提出了与用户期望一致的社交行为增强聊天机器人的能力，为设计师和研究人员提供了优化人机交互的机会。
- 可动物体和交互的 RBO 数据集
本文介绍了一个包括 14 个关节物体、RGB-D 视频序列和人与物品交互的扳手数据集，并配有基础运动捕捉系统的注释和 Python 下载脚本。
- 一所高中中的交往模式：可穿戴传感器、交往日记和友谊调查数据的比较
本文中分析了人际互动的数据收集方法及其优缺点，发现日记、调查普遍存在诸多限制；通过对一所高中的实验数据比较发现，自给自足的友谊联系比联系日记更准确地反映了联系网络的实际结构。
- 利用有限数据标注发现视频中的人类交互
该研究提出了一种基于最大边际聚类和用户反馈的无监督学习方法，可以在仅有少量标注的情况下，有效地发现视频中的人类交互并生成有意义的语义聚类。
- 信息扩散在社交网络演化中的作用
该论文分析了在线社交网络上的人际互动机制，提出了一种更加细致的社交链展开策略。研究表明，人们跟随其他用户的方式具有高度异质性，通过将用户分类，可以总结不同的链接创造行为，进而更加高效地在网络中传播信息。