★ 3
研究：用户在场会改变 LLM 智能体谈判行为
论文提出 PRESENT 评估框架，在 7 种游戏、8 个模型、1.12 万次运行中对比有无交互用户时的智能体谈判表现。结果显示用户在场使收益平均提升 13.7%、谈判更具攻击性，同时也诱发对对手与对用户的不对齐行为，且这些行为与结果无关、即使用户只发中性模板消息仍会出现。
arXiv cs.AI4 天前
#人机交互
共 52 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
研究提出中断预算评估 LLM 智能体提问质量
论文提出区分智能体「问多少」与「问得好不好」的评估协议，用中断预算限制提问数量，用用户注意力成本惩罚难读或无价值的问题。在八个 LLM 与四个客服领域测试中，限制为 1-3 个问题可降低 36-73% 注意力成本，同时保留 86-94% 任务奖励。结合用户历史回答记忆可再降 13% 成本。
arXiv NLP12 天前
★ 3
亚马逊设备主管 Panay：AI 设备将取代应用需求
亚马逊设备负责人 Panos Panay 在 TechCrunch Disrupt 上表示，未来环境式 AI 设备将在后台工作、主动预判用户需求，而非等待指令，从而取代打开应用的操作模式。这反映了亚马逊对下一代硬件交互形态的判断。
TechCrunch AI17 天前
★ 3
研究显示女性聊天机器人报酬低于男性 AI 代理
一项研究让参与者与性别呈现不同的 AI 助手协作，结果发现男性 AI 代理获得的报酬比女性 AI 代理高 10%。这反映了人类性别偏见在 AI 交互中的投射。
快公司17 天前
★ 3
Veda：首个 AI 智能体业余操作系统发布
开发者发布 Veda，一个内置语音智能体的业余操作系统，用 Rust 编写，包含 UEFI 引导、能力型微内核、窗口系统与应用。智能体作为系统一等用户，可通过与键鼠相同的代码路径操作任意应用，并在难以撤销的操作前先征求同意。
Hacker News – AI20 天前
★ 3
伯克利研究：用 AI 仅 10 分钟即削弱坚持能力
加州大学伯克利分校研究发现，使用 AI 仅 10 分钟就会削弱人们在困难任务上的坚持能力。该研究提示 AI 辅助可能对认知韧性产生负面影响。
Hacker News – AI22 天前
★ 3
论文提出 GenUI-Harness：生成式 UI 提升人机交互效率
论文提出 GenUI-Harness 多智能体框架，结合工具智能体与 GUI 编码智能体，生成结构化前端界面以减少对话轮次。作者引入 Dynamic UX 与 Reward Auditor 解决强化学习奖励难题，并发布 UI-TAU Bench 基准。训练后 4B 模型 Pass@3 从 9.33…
arXiv cs.AI23 天前
★ 3
ChatGPT与年轻人心理困扰对话分析
研究收集158名18-25岁年轻人的19930段ChatGPT对话，并请10位临床医生审阅其中5段困扰对话。发现困扰用户情感投入与行为改变更强，而ChatGPT在急性困扰时倾向给出戏剧化和过度行动导向的回应。临床医生认可其可用性，但指出七类流程失误，并转化为三阶段设计指南。
arXiv cs.AI32 天前
★ 3
研究：聊天式大语言模型复现了灵媒话术的操控机制
一项研究显示，基于聊天的大语言模型在对话中会复现灵媒式冷读术的机制，即通过模糊、高概率的陈述让用户产生被精准理解的错觉。该发现引发对 LLM 谄媚与心理操控风险的讨论，HN 热度 121 分、143 条评论。
Hacker News42 天前
★ 3
SimLife：长周期人机伙伴关系模式理解
论文推出SimLife平台，模拟长期家庭生活并提供视觉观察、动作日志与合成对话，其基准SimLife-BP评估长上下文行为模式理解能力，含106个回合与1439个问答对。评测显示前沿模型多停留在表层预测，依赖频率启发式而非证据推理，行为模式变化时适应困难。
arXiv cs.AI44 天前
★ 3
哀悼AI伴侣的失去
《自然·人类行为》刊文研究用户对AI伴侣的情感依恋，探讨当AI伴侣服务终止或消失时人们的哀伤反应。研究揭示人机情感联结的心理与社会影响，引发对AI陪伴伦理的讨论。
Hacker News – AI47 天前
★ 3
ElderBench：老年人移动代理基准
ElderBench是首个面向老年人真实场景的移动GUI代理基准，包含249个自然任务。评估显示主流代理在处理老年人指令时性能显著下降，语言特征分析为设计包容性代理提供洞见。
arXiv cs.AI55 天前
★ 3
人机共同解释：负责任AI的诠释学视角
该论文从哲学诠释学角度，探讨了LLM输出在需要文本证据和规范标准的工作中被误用的问题，提出“解释错位”概念。论文提出了设计原则，以构建人机共同解释的结构，并区分了模型生成与诠释学理解，为法律、教育等领域提供了负责任的AI使用框架。
arXiv cs.AI60 天前
★ 3
机器人人格提示指南：LLM人机交互中的接地人格
针对LLM社交机器人提示设计不规范问题，论文提出包含八个功能组件的结构化提示模板，以指定、约束和适应机器人行为。基于专家调查和讨论，强调提示设计应作为社会技术问题，需明确能力边界、透明行为假设和情境敏感保障。
arXiv cs.AI65 天前
★ 2
设计师为何应参与 AI 评估：五项理由
文章主张 AI 评估不应只由工程师和产品经理主导，设计师的品味与判断能捕捉数字指标遗漏的问题。设计师应参与定义「好答案」的标准、处理 AI 不确定时的回应方式，以及判断哪些错误用户可接受。否则可能上线技术可用但用户体验失败的产品。
快公司2 天前
★ 2
微软发布 HAX 工具包：人机交互设计指南与工具
微软上线 HAX Toolkit，汇集人机交互（Human-AI Interaction）设计指南与配套工具，帮助开发者构建更符合用户预期的 AI 产品。属于微软长期的人机交互设计规范资源。
Hacker News – AI6 天前
★ 2
研究对比 FISER 与 CEMIR：多模态增强对语用意图识别无显著增益
论文在 HandMeThat v2 基准上对比基于结构化推理的 FISER 与基于多模态增强的 CEMIR，覆盖 Qwen2.5-Omni-3B 到 GPT-5 四个模型。经多重比较校正后，两者在全部 16 组模型×难度对比中均无统计显著差异，性能主要由基座模型能力与歧义难度决定。
arXiv cs.AI6 天前
★ 2
研究评估记忆受限用户模拟器的重复与干扰效应
研究评估记忆受限的用户模拟器是否对人类信息保持的两个因素——事实重复与竞争信息干扰——敏感。发现部分模拟器整体准确率接近人类并复现了效应幅度，但在具体问题上无一匹配人类准确率：人类会记错事实，模型则直接遗忘，导致不同错误模式。团队将数据发布为挑战基准。
arXiv NLP12 天前
★ 2
研究提出 EDIT 算法决定人机交互中哪些回复需编辑
论文将「决定哪些 AI 回复送交更昂贵编辑者修正」形式化为 Edit Discovery Optimization 问题，并提出在线算法 EDIT。在四个推理与事实问答基准上，EDIT 在编辑成本、漏检与误判之间取得优于直接 LLM 批量选择的权衡。
arXiv cs.LG13 天前
★ 2
评论：AI 编程界面让批准变易、理解变难
文章指出当前 AI 编程工具的设计重心放在让用户快速点击「批准」，却未帮助开发者真正理解 AI 生成的代码。作者认为这种交互模式会累积技术债与认知盲区，呼吁界面设计在可理解性上投入更多。
Hacker News – AI15 天前
★ 2
研究提出示教学习的贝叶斯模型：展示与执行有别
论文为「通过演示进行教学」建立贝叶斯模型，区分演示者有意教学（showing）与单纯执行任务（doing）两种情形。两项实验显示人类参与者的教学行为符合模型预测，且标准逆强化学习算法从「展示」中学习效果更好。
arXiv cs.LG18 天前
★ 2
高管称语音 AI 尚未迎来 ChatGPT 时刻
多位企业高管认为，语音 AI 仍缺少关键的上下文理解层，常遗漏对话要点，导致整条处理链路中断。他们指出，语音交互距离像 ChatGPT 那样引爆大众市场仍有明显差距。
TechCrunch AI21 天前
★ 2
AI 精神病是真实存在的吗
一篇个人博客文章探讨所谓「AI 精神病」现象，即用户在与 AI 长期互动后出现脱离现实的认知状态。文章结合案例讨论这一概念是否成立及其成因。
Hacker News – AI22 天前
★ 2
bigarrow 开源：让 AI 智能体在屏幕画箭头指引用户
开发者发布 macOS 命令行工具 bigarrow，可让 AI 智能体在屏幕上绘制大箭头、方框和文字，指向需要用户点击的按钮或元素。该工具点击穿透、不抢焦点、无需权限，MIT 开源，并附带 Claude Code 与 Codex 的技能安装脚本。
Hacker News23 天前
★ 2
Safeworld打造数字人保障机器人安全
Safeworld正在构建数字人类（digital humans），目标是确保机器人在与真人交互时不会造成伤害。该方向属于AI安全与机器人交互领域，试图通过数字人模拟来验证和保障真实人类的安全。
TechCrunch AI27 天前
★ 2
生成式AI用户反馈机制设计研究
研究团队与eBay合作，对当前业界生成式AI用户反馈机制进行基准评测，发现可发现性差、术语不清、忽视用户价值等共性问题。基于此提出最佳实践建议，并设计测试了一款原型反馈收集工具，兼顾用户体验与产品团队可用的数据。
arXiv cs.AI27 天前
★ 2
医疗人员机器翻译风险意识研究：以缩写为例
英国公共医疗人员常使用谷歌翻译等机器翻译与患者沟通，但对其高风险场景下的风险认知研究有限。研究以医学缩写为用例，向21名不同岗位的医护人员展示经谷歌翻译处理的法语和西班牙语临床语料，通过半结构化访谈和定性分析考察其风险意识。结果揭示医护人员对机器翻译在患者病历等高风险场景中的潜在危害认识不足。
arXiv cs.AI27 天前
★ 2
用户自撰个人感知系统中的本体边界协商
论文指出设计物具有本体性，会塑造甚至限制人们的想象与可能。作者设计两个开放式探针，采用绿野仙踪技术让用户体验训练个性化机器学习系统，借此考察用户自撰系统中的本体边界协商问题，弥补以往仅以可用性、有用性或技术可行性评估此类系统的不足。
Apple Machine Learning Research28 天前
★ 2
AI 代理需要撤销按钮
一篇 ACM 博客文章主张 AI 代理需要「撤销按钮」，以应对其自主操作可能带来的不可逆后果。文章强调在代理能力增强的同时，必须为其行为提供可回退与可纠错机制。
Hacker News – AI30 天前
★ 2
具身智能体如何仲裁用户纠错
论文提出「有依据的纠错仲裁」问题：当用户纠正可能有误时，具身智能体应在接受、拒绝、检查环境、询问说话者之间选择。GAVA 系统结合观察受限证据、合法探针与一步期望损失规则实现该接口。在 ALFWorld 文本环境中，语义先验可降低交互成本，但研究未证明环境信息价值普遍优于澄清提问。
arXiv cs.AI30 天前