- ACLC-PMI: 条件点间互信息用于对话轮次评估
提出了一种新的模型无关方法,利用条件点互信息来衡量给定评估维度下系统和用户之间的对话交互,实验结果显示,与现有的评估系统相比,该方法在广泛使用的 FED 对话评估数据集上显著提高了与人类判断的相关性,在 FED 评估指标上平均达到了 60. - MI-Motion 数据集和多人 3D 动作预测基准
本文介绍了一个新的数据集 MI-Motion,用来帮助研究多人运动预测,并提供基准测试来评估预测模型的性能,同时还介绍了一种新的基线方法 —— 图卷积神经网络和时间卷积神经网络。
- AI 与人类:谁才是更好的编程伙伴?人际合作编程 vs 人工智能合作编程
本文比较人 - 人和人工智能 - 人的编程对,探索交互、衡量、优点与挑战等方面的相似性和差异性,并总结了对成功的调节因素,提供了 pAIr 编程研究的机会。
- ACL探索上下文依赖文本到 SQL 解析中的组合泛化
该文研究了文本到 SQL 的组成归纳泛化问题,通过提出新的标准数据集 CoSQL-CG 和 SParC-CG,提出了一种基于 p-align 的改进方法,并证明了其有效性。
- 微服务生命周期中的 AI 技术调查
本文介绍了如何使用人工智能技术来解决微服务架构在部署、协调和相互之间交互等方面遇到的挑战。
- 渐进提示提高大型语言模型推理能力
本文提出了一种名为 “逐步提示” 的新提示方法,它利用先前生成的答案作为提示,逐步引导用户与 LLMs 之间的自动多次交互,从而进一步提高了性能。 该方法在 CoT 和自一致性之外,具有正交性,易于与最先进的技术相结合进行综合评估,并在六个 - 基于稀疏交互指导的区域感知肖像修饰
本文提出一种基于深度学习的面部照片交互修饰框架,旨在提高用户界别优先级,包括自动分支和交互分支,后者通过将用户指定区域编码进优先级条件向量和调制地潜在特征来进一步强调用户指定区域,实验证明该方法能够有效地捕捉用户意图且比现有方法更具区域感知 - ChatPipe:通过优化人 - ChatGPT 交互进行数据准备程序协调
本文介绍了 ChatPipe,一个用于协调用户与 ChatGPT 间无缝交互的系统,用以快速编排高质量数据准备程序,用户可方便地回滚到以前的版本并进行更有效的实验和测试。
- 生成代理:人类行为的交互模拟体
该论文介绍了一种通过扩展语言模型来实现生成代理的架构,生成的代理在交互中呈现出能够模拟真实人类行为和社交的表现。
- 决策基础模型:问题、方法与机遇
本文检查了基于决策制定的基础模型的范围,并提供了理解问题空间和探索新研究方向的概念工具和技术背景。通过各种方法,例如提示、条件生成建模、规划、最优控制和强化学习,审查了将基础模型用于实际决策制定应用的最近方法,并讨论了该领域的常见挑战和开放 - AI 对齐对话:支持代理的 AI 对齐交互式方法
本文介绍了一种新的 AI 与人类协作的方式 ——AI Alignment Dialogues,通过对家务机器人的机器人控制台,把用户与机器人直接联系起来,实现对人工智能与人的对齐。实验结果显示这种方式可以实现更高效、更透明的人机交互。
- 学习和解释代理之间交互的智能协议
本文探讨了人类与机器学习系统的交互,并提出了一个通信协议,使得机器学习决策支持系统能够实现人机两方面的可理解性。在该通信协议中,符合一定兼容性条件的智能体之间进行交互,定义了弱 / 强两种双向可理解性,使得人类和机器学习系统之间实现了智能信 - YZR-net : 自监督隐藏变换不变特征在亵渎内容检测中的应用
YZR-Net 是一种自我监督框架,可以独立于语言地探测到聊天中使用的亵渎性词汇,并且可以动态更新亵渎性词汇库
- 随机性的无限
本文从随机性的定义出发,从应用的角度分析随机算法的结果,探讨了随机性的源和性质,发现了无限和随机性之间的关系,并从系统交互的角度总结了随机性的属性,即由随机生成的序列组成的集合具有渐进完备性质,最后强调了随机性在人工智能研究中的重要性。
- 面向特殊需求用户的设备交互模型
本文提出了一种新的以适应规则为基础的设备交互模型,旨在适应交互级别,通过用户体验以提高教育领域的可用性,评估结果对于帮助残疾学生与计算机交互有着巨大的潜在益处。
- COLING通过情节知识图谱评估代理交互
本研究提出了基于知识图谱进行对话代理评估的新方法,通过对话信号生成图谱以表示两者的交互,并将其结构与语义分析转化为定性指标,通过比较自动与人工评估指标来展示其定性分析能力。
- AAAI模仿模型:类人智能技术的道德影响
本文提出了一种框架,用于描述人工智能领域中新兴的 “模仿模型” 所引发的伦理和社会问题,该模型不同于以往的模型,因为它是针对特定个体设计的,并且旨在进行交互而不仅仅是复制固定的预先计算出的行为。我们考虑了这些模型的不同应用场景,并考虑了不同 - 一种基于端到端交互的模块化体验智能体的多集 - 学习方法
本文介绍了一个基于身体型机器学习的代理系统,通过与人群工作者互动,改进自身。我们通过多次自动化的人 - 代理交互,学分分配,数据注释,重训练和重新部署模型来证明代理改进。
- CVPRHSC4D: 利用可穿戴 IMUS 和激光雷达在大规模室内外空间中以人为中心的 4D 场景捕获
提出了人性化的 4D 场景捕捉(HSC4D),使用 IMUs 和 LiDAR 进行全空间和无地图的动态数字世界创建,并将它们用于长期捕捉。同时,关注人与环境之间的关系,以实现交互更为真实。提出了一个包含准确动态人体运动和位置的大型场景数据集 - 对话系统中意图、情感和外部世界建模
本文提出了一种名为 RAIN 的模型,由意图关系模块和情感关系模块组成,以共同建模意图和情感之间的互动关系,并显式集成历史意图信息,实验结果表明,我们的模型可以充分利用个体之间的意图、情感和行动,相较于 BERT 式的基础线实现了显著的改进