Derniers articles pour Interaction Humain-Machine

De nouveaux modèles d'apprentissage automatique améliorent la précision du suivi oculaire dans les environnements de réalité virtuelle.

Apprends comment différentes stratégies d'édition influencent les résultats quand tu bosses avec des modèles de langue.

Une étude explore comment les modèles de langage interagissent avec les humains et entre eux pour compléter des tâches.

TraveLER améliore la compréhension des vidéos grâce à des questions interactives pour de meilleures réponses.

Examine la croissance de la communication entre les humains et les robots en utilisant le langage naturel.

ChatGLM-RLHF améliore les interactions avec l'IA grâce à des retours humains et des méthodes d'entraînement avancées.

Découvre comment la visualisation interactive améliore les outils d'IA centrés sur l'humain pour une meilleure prise de décision.

Mettre en avant l'importance des situations formatrices dans les évaluations de design.

MotionChain crée des mouvements humains réalistes à travers la conversation, en combinant texte, images et données de mouvement.

Explorer le rôle de l'IA générative pour améliorer les pratiques de sécurité logicielle.

Le projet EMO-SUPERB améliore la reconnaissance des émotions dans la parole grâce à des techniques améliorées et à la collaboration de la communauté.

Un nouveau cadre améliore les modèles de langue en reconnaissant et en répondant à différents styles de discours.

Une nouvelle méthode améliore la reconnaissance des objectifs en se concentrant sur les comportements variés des agents.

DaTAPlan améliore la façon dont les robots nous aident dans nos tâches quotidiennes grâce à l'anticipation des tâches.

Des recherches montrent que les éclats de bêta améliorent la performance des interfaces cerveau-ordinateur pour les mouvements imaginés.

De nouvelles techniques permettent de prendre des décisions plus sûres en apprentissage par renforcement grâce à l'aide d'experts humains.

La recherche explore comment les retours multisensoriels influencent l'interaction des utilisateurs en VR.

Explorer la viabilité de modèles linguistiques plus petits pour une planification efficace des tâches robotiques.

Examiner le rôle des modèles de langage dans le soutien à la pensée critique chez les philosophes.

De nouvelles méthodes améliorent l'accessibilité et la précision des sous-titres audio.

Une nouvelle approche d'IA vise à améliorer la vitesse et l'efficacité de la génération d'images et de vidéos.

De nouvelles méthodes améliorent la précision de la détection de la position des mains pendant les interactions.

La recherche vise à rendre les modèles de langage plus sûrs et plus utiles pour les utilisateurs.

Une étude examine comment des descriptions ressemblant à des humains influencent la confiance dans les systèmes d'IA.

Une communication claire crée de la confiance dans les véhicules autonomes pour tous les usagers de la route.

Une nouvelle méthode pour façonner les personnalités des LLM en utilisant les cinq grands traits.

Une nouvelle approche combine des données visuelles et textuelles pour une meilleure reconnaissance des émotions.

Une nouvelle méthode améliore l'efficacité de l'apprentissage machine avec des retours humains.

Explorer de nouvelles méthodes pour améliorer la reconnaissance des émotions dans la parole en utilisant des données naturelles.

Une nouvelle méthode améliore la précision de la prédiction des émotions en utilisant des techniques d'augmentation de données.

Cette recherche améliore la reconnaissance d'actions en utilisant des mouvements de main en 2D à partir de lunettes intelligentes.

EyeFormer prédit l'attention individuelle des utilisateurs pour améliorer la conception des interfaces.

De nouveaux modèles améliorent la compréhension de la façon dont les mains interagissent avec les objets.

Une nouvelle méthode d'entraînement améliore la performance du modèle de langue et l'expérience utilisateur.

Cette étude améliore la reconnaissance des émotions grâce à des méthodes auto-supervisées multi-modales.

TROT améliore la précision dans la reconnaissance des activités humaines en s'appuyant sur les relations temporelles.

Un système génère des interactions réalistes des mains avec différents objets.

Cette étude met en avant comment le contexte renforce la description des objets dans les modèles d'apprentissage automatique.

Cette étude explore comment les styles de résolution de problèmes améliorent l'engagement des utilisateurs avec les systèmes XAI.

Les retours des utilisateurs, surtout les commentaires de suivi, améliorent les évaluations des systèmes de dialogue.