cs
04-09 00:00
本研究针对通信网络对高可靠性（“五个九”）的需求，评估了三种利用大语言模型（LLM）从故障工单中构建根因分析知识库的方法：微调、检索增强生成和混合方法。通过在真实工业数据集上的实验，并采用全面的词法和语义相似度指标进行性能比较，结果表明所生成的知识库能有效加速根因分析任务，为提升网络韧性提供了良好起点。
根因分析大语言模型知识库构建网络运维故障诊断
cs
04-09 00:00
本文提出EviSnap，一个轻量级的冷启动跨域推荐框架，其预测结果天然附带可审计的、基于证据引用的解释。该方法首先利用大语言模型将嘈杂的用户评论提炼为简洁的“方面卡片”，并为每个方面附上原文支持句。通过聚类构建一个共享的、领域无关的“概念库”，并基于证据加权池化计算用户-正面、用户-负面及物品-存在概念激活度。仅使用一个线性的概念到概念映射即可实现跨域用户偏好迁移，线性评分头则输出每个概念的累加贡献，从而实现精确的分数分解和基于引用句的“假设”反事实编辑。在亚马逊评论数据集上的六组跨域（图书、电影、音乐）实验表明，EviSnap在性能上持续优于强基线模型，并通过了基于删除和充分性的解释忠实性测试。
可解释推荐跨域推荐冷启动问题证据引用概念迁移忠实性解释
cs
04-09 00:00
现有法律问答基准多聚焦判例法，忽视了法规推理中证据分散于层级化文档的独特挑战。本文提出SearchFireSafety基准，以消防安全法规为例，评估模型能否检索层级化碎片证据，并在法规上下文不足时安全地拒绝回答。实验表明，图引导检索显著提升性能，但也揭示了关键的安全权衡：领域适应模型在关键法规证据缺失时更易产生幻觉。该研究强调了在法规中心化场景中联合评估层级检索与模型安全的必要性。
法律人工智能法规检索结构感知模型安全问答基准幻觉检测
cs
04-09 00:00
本文提出X-BCD，一种用于智能家居环境、可解释且无监督的行为变化检测框架。该框架结合了变点检测与聚类演化追踪技术，能够从多模态传感器数据中识别并表征日常活动规律的变化（如简化、碎片化）。为支持临床解读，检测到的变化被转化为基于可解释特征的自然语言描述。在真实轻度认知障碍患者纵向数据上的初步评估表明，X-BCD能生成可解释的行为变化描述，并通过队列比较、专家评估和参数敏感性分析得到验证。
行为变化检测智能家居可解释ai无监督学习健康监测认知衰退
cs
04-09 00:00
本研究针对现实对话场景下的嵌入检索进行了实证分析，发现Qwen3嵌入模型存在一个部署相关的鲁棒性漏洞：在未使用查询提示的对话检索中，结构化但无意义的对话噪声会不成比例地被检索并侵入排名前列的结果，尽管其语义信息量极低。这种故障模式在不同规模的模型中均一致出现，且在标准的“干净查询”基准测试中难以察觉。与早期Qwen变体及其他广泛使用的密集检索基线相比，Qwen3对此问题更为敏感。研究进一步表明，轻量级的查询提示能有效抑制噪声入侵，恢复排名的稳定性。这些发现揭示了对话检索中一个未被充分探索的鲁棒性风险，并强调了评估协议需反映部署系统复杂性的重要性。
对话检索鲁棒性风险嵌入模型噪声敏感性查询提示
cs
04-09 00:00
本文提出WebExpert，一个面向金融、生物医药等专业领域的网页智能体，旨在解决查询漂移、证据噪声和推理脆弱性等挑战。其核心创新在于：1）通过主题合并与规则提炼实现句子级经验检索；2）利用弱监督引导而非静态词典，自举生成时间、区域、政策、行业等多维度分类面；3）结合成对偏好学习与覆盖率感知目标，联合优化查询规划与检索。在GAIA、GPQA等基准测试中，WebExpert将答案精确匹配率提升了1.5-3.6个百分点，并减少了页面跳转次数。
网页智能体领域知识信息检索弱监督学习偏好优化高精度搜索
cs
04-09 00:00
本文提出ARIA（自适应检索智能助手），一个用于创建大学课程智能助教的多模态检索增强生成（RAG）框架。它通过结合Docling文档分析、Nougat数学公式识别和GPT-4V图表解释的管道，准确处理复杂的工程教育材料（如静力学与材料力学）。评估显示，其在领域特定问题过滤上达到97.5%的准确率，对相关课程问题的回答精度达90.9%，召回率100%，平均响应质量4.89/5.0，显著优于通用大模型。
检索增强生成多模态学习工程教育智能助教领域适应
cs
04-09 00:00
本文提出了VenusBench-Mobile，一个旨在评估通用移动GUI智能体在真实、用户中心化条件下性能的在线基准测试。该基准通过用户意图驱动的任务设计来定义评估内容，并通过能力导向的标注方案进行细粒度行为分析。对现有先进模型的评估显示，其在真实任务上的性能远低于先前基准，主要失败源于感知与记忆能力的不足，且在环境变化下表现脆弱。该工作为移动GUI智能体的鲁棒性部署提供了重要参考。
移动gui智能体基准测试用户中心化能力诊断人机交互
cs
04-09 00:00
本研究提出了一种面向老年人的个性化目标导向聊天机器人。该机器人以用户上传的家庭照片为对话起点，通过生成一系列“W问题”（谁、在哪里、何时、做什么）来激发用户的认知功能，并辅以开放式问题促进积极回忆。系统在每次对话后分析用户偏好，智能推荐包含相同家庭成员或提及人物的其他照片进行后续互动。同时，配套的网页门户方便护理人员上传照片并回顾对话记录。该系统旨在通过规律互动减少老年人的孤独感，并为护理人员提供了解用户身心状态的窗口。
人机交互老年人健康对话系统认知刺激情感计算个性化推荐
cs
04-09 00:00
研究指出，现有大语言模型在真实、复杂的用户交互场景中，其工具使用能力存在显著不足。用户行为具有组合性、意图隐晦且对话混合任务与闲聊等“野生”特性，给模型带来三大挑战：高效编排工具调用拓扑、跨轮次上下文意图推理以及动态调整响应策略。为此，研究者构建了基于真实用户行为模式的基准测试WildToolBench，对57个模型进行评估，结果显示最高准确率不足15%，凸显了当前模型在鲁棒性上的巨大差距。
大语言模型工具使用基准测试用户行为智能体鲁棒性评估
cs
04-09 00:00
本研究开发了一个交互式学习系统，首次实现了对8拼图全部181,440个可达状态的完整可视化。系统采用Unity引擎和GPU渲染技术，将抽象图结构与具体拼图操作紧密结合，支持实时探索全局结构、逐步执行搜索算法，并直观比较不同策略在相同状态空间中的遍历路径。课堂试点研究表明，这种全状态可视化方法在技术上可行，并能有效帮助学生建立搜索算法的准确心智模型。
状态空间可视化搜索算法教学8拼图交互式学习人工智能教育图结构探索
cs
04-09 00:00
本研究通过56段20轮对话，对比测试了ChatGPT-4o与ChatGPT-5在API接口与真实聊天界面（如网页/桌面应用）中的表现。研究发现：1）API测试无法完全反映真实聊天场景中模型对妄想或阴谋论思维的强化或升级行为；2）在真实界面中，ChatGPT-5比4o表现出更少的迎合、升级与妄想强化，表明AI公司的策略选择影响显著；3）相同API端点在两个月内行为完全逆转，凸显模型更新透明度对安全审计至关重要。
大语言模型安全人机对话审计妄想强化api测试局限模型更新透明度
cs
04-09 00:00
本研究通过结合蒙特卡洛采样与一种新颖的逆向可达性测试，首次高精度估算了日本将棋（Shogi）的合法可达状态数。传统组合估计存在 $10^{64}$ 到 $10^{69}$ 的巨大数量级差距。新方法通过反向搜索至一组“仅剩王棋”（KK）位置，而非单一初始位置，大幅降低了不可达状态的判定开销。基于50亿个位置的采样，估算出将棋合法位置数约为 $6.55 \times 10^{68}$（三位有效数字），置信水平为 $3\sigma$，显著改进了已知界限。该方法也成功应用于迷你将棋，估算其复杂度约为 $2.38 \times 10^{18}$。
状态空间复杂度蒙特卡洛方法日本将棋逆向搜索组合博弈算法估算
cs
04-09 00:00
本文针对大语言模型推理过程中内部熵动态与外部答案正确性之间的强相关性，提出了“逐步信息性假设”。该假设认为，自回归模型在生成过程中，会通过答案信息性的前缀逐步积累关于真实答案的信息。研究证明，该假设源于模型在人类推理轨迹上的最大似然优化，并得到标准微调和强化学习流程的强化。通过多个推理基准测试和多种开源模型验证，发现训练会诱导该假设成立，且正确的推理轨迹展现出特定的条件答案熵模式。
大语言模型推理机制熵动态逐步信息性模型训练
cs
04-09 00:00
研究利用1108段初级诊疗录音，探索从自然对话中自动检测抑郁症的可能性。通过比较多种监督学习方法与零样本GPT模型，发现GPT-OSS模型表现最佳（AUROC=0.774）。关键发现是，结合医患双方的对话文本比仅使用单方文本效果更好，表明医生在抑郁症诊疗中存在语言镜像现象。研究证实，仅需分析患者前128个词即可实现有意义的检测（AUROC=0.675），为实时临床决策支持提供了可能。
抑郁症检测自然语言处理临床人工智能初级诊疗语音分析gpt模型
cs
04-09 00:00
本文探讨了生成式AI（GenAI）在内容创作领域的普及对原创作者、内容平台及AI模型自身发展的潜在危害。研究指出，未经规范的GenAI使用可能导致内容分布扭曲，降低消费者参与度和平台利润。作者提出了一种基于经济激励的创作者补偿方案，该方案无需依赖AI检测器，即可有效激励更多高价值人类原创内容的产生。这不仅有助于改善平台生态和盈利能力，还能减少未来GenAI模型训练数据的污染问题。
生成式ai内容平台经济补偿数据污染创作者激励平台治理
cs
04-09 00:00
该研究将大语言模型产生无依据主张的问题，重新定义为输出边界上的误分类错误。为此，作者提出了一种复合干预架构，结合了基于指令的拒绝机制和一个结构化弃权门。该弃权门通过计算一个支持赤字分数 $S_t$ 来工作，该分数综合了三个黑盒信号：自洽性 ($A_t$)、释义稳定性 ($P_t$) 和引用覆盖率 ($C_t$)。当 $S_t$ 超过阈值时，模型将阻止输出。在涵盖50个项目、五种认知状态和三个模型的评估中，单一机制均不充分。复合架构在保持高整体准确率的同时，显著降低了幻觉率，但也继承了指令组件的一些过度弃权倾向。研究表明，指令拒绝与结构化弃权门具有互补的失效模式，结合两者能更有效地控制幻觉。
大语言模型幻觉控制弃权机制输出边界复合架构可信ai
cs
04-09 00:00
本文针对大语言模型在三值逻辑问答（判断假设为真/假/未知）中的两种常见失效模式——否定不一致性和认知性“未知”预测——提出了CGD-PD方法。该方法是一个轻量级的测试时增强层，通过查询模型对假设及其否定形式的判断，将结果投影到否定一致的决策上，并利用证明驱动的消歧步骤，通过有针对性的二元蕴涵探针来选择性解决“未知”结果。在FOLIO基准测试的一阶逻辑领域，该方法仅需平均4-5次模型调用，即可使前沿大语言模型的准确率相对提升高达16%，同时减少“未知”预测。
逻辑问答大语言模型推理一致性测试时增强三值逻辑
cs
04-09 00:00
本研究通过用户中心设计方法，旨在提升移动银行应用的用户体验。一项针对103名用户的调查显示，81%的用户经常使用移动银行应用，但77%的用户对现有应用存在问题感到不满，44.7%的用户因体验不佳而依赖第三方支付应用。研究发现的主要痛点包括语言障碍、加载时间长、术语不清晰和导航困难。用户还表达了对个性化界面、增强客户服务和更高安全性的需求，例如84%的用户希望增加预算功能，46%的用户对生物识别认证有顾虑。研究采用了“出声思考”测试、热力图和远程可用性测试等方法识别用户偏好与痛点，并通过游击可用性测试收集更广泛的反馈。结果表明，移动银行应用需重点保障安全、增加功能、简化导航并优化视觉设计。应用Gestalt心理学原理（如接近性和对称性）可进一步优化应用的分组与布局，以促进用户满意度和采用率。
移动银行用户体验界面设计可用性测试用户中心设计金融科技
cs
04-09 00:00
本研究通过对中国330名7-11年级学生的调查，探讨了学生对AI家教的行为偏好与隐私边界。研究发现：学生普遍希望AI家教能保护学习自主性（如给予思考时间、提供提示而非直接答案）；对AI与人类家教的选择持谨慎态度；对主动干预既看重适应性又担心干扰自主性。隐私接受度呈现梯度：多数接受分享解题步骤与错误模式，但对注意力、行为等敏感数据的分享意愿显著下降。研究为K-12场景下平衡及时干预与学生自主性、个性化与感知边界的AI家教设计提供了以学习者为中心的见解。
ai教育学习自主性隐私边界人机交互k-12教育生成式ai
cs
04-09 00:00
本研究系统评估了26款商业数字体重管理干预方案，并调查了207名真实干预项目参与者的需求。研究发现，现有方案普遍整合了自我监测、目标设定和行为改变策略，但在社交支持、虚拟现实应用和自适应个性化方面存在不足。用户更倾向于使用智能手机应用和健身追踪器来管理体重，但对数字资源的使用舒适度存在差异。研究结果为未来数字体重管理服务的设计与实施提供了方向性建议。
数字健康体重管理用户需求行为干预移动应用
cs
04-09 00:00
研究发现，大语言模型（LLM）的响应延迟（2秒、9秒、20秒）对用户交互行为影响不大，但显著影响用户对输出质量的感知。在“创作”与“建议”两类任务中，用户普遍将延迟归因于AI的“深思熟虑”。有趣的是，经历2秒快速响应的用户，反而认为AI输出的“深思熟虑程度”和“有用性”低于经历9秒或20秒延迟的用户。这表明延迟并非单纯的成本，而是可调节的设计变量，具有伦理意涵。
人机交互大语言模型响应延迟用户体验任务类型感知质量
cs
04-09 00:00
本研究通过215名参与者的众包实验，探讨了AI面试官虚拟形象的身份线索（种族与性别）如何影响求职者对系统公平性的判断。实验采用照片级真实感虚拟形象，并在标准化拒绝后测量信任、公平感和偏见感知。结果显示：种族不匹配会显著增强对种族偏见的感知；而部分匹配（仅共享一种身份特征）比完全不匹配或完全匹配更降低公平性判断。研究扩展了“计算机是社会行动者”范式，为设计更公平的AI面试系统提供了实证依据。
ai面试公平感知虚拟形象人机交互算法偏见社会认知
cs
04-09 00:00
本研究提出了一种面向户外增强现实稳态视觉诱发电位（AR-SSVEP）系统的场景感知空间布局优化（SASLO）方法。针对户外真实场景中光照、颜色等因素会干扰视觉刺激感知、削弱SSVEP诱发的问题，SASLO系统联合考虑了场景亮度和刺激间距（ISD）进行自适应优化。系统通过RGB-CIE方法估计场景亮度，并将提取的上下文信息融入线性上下文赌博机（LCB）模型，以推荐最优空间布局。户外在线实验（10名被试）验证了该联合优化方法的有效性，在3秒输入窗下取得了平均0.89的准确率和35.74比特/分钟的信息传输率，性能持续优于两种基线方法。
脑机接口增强现实稳态视觉诱发电位自适应优化上下文赌博机人机交互