Neuste Artikel für Mensch-Computer-Interaktion

Untersucht das Wachstum der Kommunikation zwischen Menschen und Robotern mit natürlicher Sprache.

ChatGLM-RLHF verbessert die KI-Interaktionen durch menschliches Feedback und fortschrittliche Trainingsmethoden.

Entdecke, wie interaktive Visualisierung menschenzentrierte KI-Tools für bessere Entscheidungen verbessert.

Die Bedeutung von formativen Situationen bei Designbewertungen hervorheben.

MotionChain erstellt realistische menschliche Bewegungen durch Gespräche, indem es Text, Bilder und Bewegungsdaten kombiniert.

Die Rolle von generativer KI bei der Verbesserung von Software-Sicherheitspraktiken erkunden.

Das EMO-SUPERB-Projekt verbessert die Spracherkennung von Emotionen durch verbesserte Techniken und Zusammenarbeit in der Community.

Ein neues Framework verbessert Sprachmodelle, indem es verschiedene Sprechstile erkennt und darauf reagiert.

Eine neue Methode verbessert die Zielerkennung, indem sie sich auf verschiedene Verhaltensweisen von Agenten konzentriert.

DaTAPlan verbessert, wie Roboter uns bei täglichen Aufgaben unterstützen, indem sie Aufgaben voraussehen.

Forschung zeigt, dass Beta-Impulse die Leistung von Gehirn-Computer-Schnittstellen bei vorgestellten Bewegungen verbessern.

Neue Techniken ermöglichen sicherere Entscheidungen im Reinforcement Learning durch die Anleitung von menschlichen Experten.

Die Forschung untersucht, wie multisensorisches Feedback die Benutzerinteraktion in VR beeinflusst.

Die Erforschung der Eignung von kleineren Sprachmodellen für effektive Planung von Roboteraufgaben.

Die Rolle von Sprachmodellen bei der Unterstützung des kritischen Denkens unter Philosophen untersuchen.

Neue Methoden verbessern die Zugänglichkeit und Genauigkeit bei Audiountertitelung.

Ein neuer KI-Ansatz zielt darauf ab, die Geschwindigkeit und Effizienz bei der Erstellung von Bildern und Videos zu verbessern.

Neue Methoden verbessern die Genauigkeit der Handpositionsbestimmung während Interaktionen.

Die Forschung zielt darauf ab, Sprachmodelle sicherer und nützlicher für die Nutzer zu machen.

Die Studie untersucht, wie menschenähnliche Beschreibungen das Vertrauen in KI-Systeme beeinflussen.

Klare Kommunikation schafft Vertrauen in autonome Fahrzeuge für alle Verkehrsteilnehmer.

Eine neue Methode, um die Persönlichkeiten von LLMs mit den Big Five Eigenschaften zu gestalten.

Ein neuer Ansatz integriert visuelle und textuelle Daten für eine bessere Emotionserkennung.

Eine neue Methode verbessert die Effizienz von maschinellem Lernen durch menschliches Feedback.

Neue Methoden erkunden, um die Spracherkennung von Emotionen mit natürlichen Daten zu verbessern.

Eine neue Methode verbessert die Genauigkeit der Emotionsvorhersage mit Hilfe von Datenaugmentierungstechniken.

Diese Forschung verbessert die Aktionsanerkennung mithilfe von 2D-Handbewegungen von Smart Glasses.

EyeFormer sagt vorher, worauf einzelne Nutzer ihren Fokus legen, um das GUI-Design zu verbessern.

Neue Modelle verbessern das Verständnis, wie Hände mit Objekten interagieren.

Eine neue Trainingsmethode verbessert die Leistung des Sprachmodells und das Nutzererlebnis.

Diese Studie verbessert die Emotionserkennung durch multimodale selbstüberwachte Methoden.

TROT verbessert die Genauigkeit bei der Erkennung von menschlichen Aktivitäten, indem es zeitliche Beziehungen nutzt.

Ein System erzeugt lebensechte Handinteraktionen mit verschiedenen Objekten.

Diese Studie zeigt, wie der Kontext die Objektbeschreibung in Machine-Learning-Modellen verbessert.

Diese Studie untersucht, wie Problemlösungsstile die Benutzerbindung an XAI-Systeme verbessern.

Nutzerfeedback, vor allem Nachfolgem Kommentare, verbessern die Bewertungen von Dialogsystemen.

Lern, wie PCAs die Benutzerinteraktion und -erfahrung in der Technologie verbessern.

Ein Überblick darüber, wie Gedächtnis die Leistung von LLM-basierten Agenten verbessert.

Forschung zeigt Vorteile von bi-händigen Techniken für Teleportation in virtueller Realität.

In diesem Artikel werden effektive Methoden besprochen, um menschliches Feedback zu sammeln und zu nutzen, um KI-Systeme zu verbessern.