XiaoMi-AI文件搜索系统
World File Search System交互式
交互式系统中的生成人工智能研讨会：来自社区的经验
生成式人工智能 (GenAI) 通过 ChatGPT 和 Stable Difusion 等可访问的实现在学术界和工业界确立了自己的地位。随后，GenAI 正在改变用户和计算机之间的交互范式。目前，存在许多利用这些工具的单独方法，为在 HCI 研究中使用它们创建各种策略和议程。因此，我们预计这将改变研究人员设计和创建交互式界面的方式。本次研讨会促进了对 GenAI 在 HCI 方面的共同理解，参与者将分享和讨论他们在 HCI 研究中使用 GenAI 和大型语言模型 (LLM) 的经验。在本次研讨会上，将通过立场文件、研究声明和意见与研究界探讨和讨论 GenAI 在人机交互方面的潜力，从而将集体经验和策略与现实世界的例子结合起来，形成全面的实践见解。
稳定扩散的交互式视觉学习
基于扩散的生成模型创建令人信服的图像的令人印象深刻的能力引起了全球关注。然而，它们的复杂内部结构和操作通常会挑战非专家。我们引入了扩散，这是第一个交互式可视化工具，以阐明稳定的扩散变速器如何在图像中提示稳定。它紧密地概述了稳定扩散的组件的视觉概述，并详细说明了其基础操作。此集成使用户能够通过动画和交互式元素在多个级别的抽象之间流动过渡。提供实时的动手体验，扩散解释器允许用户在而无需安装或专业硬件的情况下调整稳定扩散的超参数和提示。通过用户的网络浏览器访问，扩散范围在民主的AI教育方面取得了长足的进步，从而促进了更广泛的公共服务。超过7,200名跨越113个国家/地区的用户在https：// poloclub上使用了我们的开源工具。github.io/diffusion-explainer/。可以在https://youtu.be/mbkiadzjpna上获得视频演示。
面向知识工作者的交互式信息辐射器的未来
摘要 ：信息辐射器 (IR) 在半公共场所提供特定于上下文的信息，一群人可以在工作或路过时看到这些信息。它们可以简化“开箱即用”的信息共享，培养意识和社会化，创造偶然性并增强协作。近期社会技术发展，例如永久混合工作环境的建立，以及人机交互 (HCI) 领域的进步，例如增强现实 (AR) 和虚拟现实 (VR) 的出现，可能会影响 IR 的使用方式，甚至挑战其实用性。在本文中，我们将讨论这些发展及其对未来几十年在知识工作背景下设计和使用 IR 的可能影响。我们认为 IR 可能仍将是未来办公环境的重要组成部分，提供意识、支持偶然性并为配对和非正式交流构建一个情境化的社交场所。使用新的显示和交互技术（例如 AR），它们甚至可能通过实现流畅的工作场景而变得更加重要。
知识工作者的交互式信息散热器的未来
摘要：信息散热器（IRS）在半公开的地方提供上下文 - 特定的信息，其中一组人在工作或通过时可以看到它。他们可以简化信息共享“开箱即用”，促进意识和社交化，创造偶然性并增强协作。最近的社会技术发展，例如建立永久性混合工作设置以及人类计算机互动（HCI）领域的进步，例如增强现实（AR）和虚拟现实（VR）的出现，可能会影响IRS的使用方式，甚至可能影响其有用性。在本文中，我们讨论了这些发展及其对IRS在未来几十年中知识工作的设计和使用的可能影响。我们认为，美国国税局可能仍然是未来办公环境的重要组成部分，以提供意识，支持偶然性并建立一个位置的社交场所，以进行对接和非正式的交流。使用新的显示和交互技术（例如AR），它们甚至可以通过启用流体工作场景而变得重要。
帕金森病的交互式移动应用程序......
潜在利益冲突 美敦力、波士顿科学和雅培是生产植入研究对象的 DBS 系统的设备制造商，存在潜在利益冲突。佛罗里达大学已获得美敦力、波士顿科学和雅培的资助，但作者对这些资助有经济利益。ARZ 是美敦力和波士顿科学的顾问。IUH 曾为波士顿科学进行研究，并为波士顿科学和美敦力提供咨询。JLO 获得波士顿科学和美敦力的资助，为美敦力和雅培提供咨询，并获得波士顿科学的非财务研究支持。MSS 获得波士顿科学的资助，并获得波士顿科学作为科学顾问的酬金/非财务支持。作为佛罗里达大学运动障碍研究金的主任，CWH 获得了行业资助，用于研究金计划的教育支持，这些资助直接支付给佛罗里达大学，仅用于美敦力、波士顿科学和雅培的研究员工资支持。 MHP 已从美敦力、波士顿科学和雅培获得咨询费。MSL 已从波士顿科学获得咨询费。CRB 已从波士顿科学和雅培获得咨询费，他拥有与 DBS 相关的知识产权。KDF 已从美敦力和波士顿科学获得 DBS 相关工作的不定期咨询费。佛罗里达大学已从美敦力获得 KDF DBS 相关研究的植入式设备，但不包括本次试验。佛罗里达大学从美敦力获得 KDF 功能性神经外科研究金的部分资金。KDF 拥有三项 DBS 相关专利，但他未获得任何版税。KDF 曾作为现场植入外科医生参与雅培和波士顿科学赞助的多中心 DBS 相关研究。MV 已从美敦力获得咨询费。PZ 已作为顾问和美敦力顾问小组成员获得酬金。JJS 已从美敦力和雅培获得研究支持，并从美敦力、雅培和波士顿科学获得咨询费。
朝着用户感知的交互式虚拟代理：生成多模式
虚拟代理充当XR平台中的重要接口。，生成虚拟代理行为通常依赖于预先编码的动作或基于物理的反应。在本文中，我们提出了一个基于学习的多模式行为生成框架，该框架适应用户的原位行为，类似于人类在现实世界中彼此之间的影响。通过利用内部收集的二元对话行为数据集，我们培训了一个跨性变量自动编码器（CVAE）模型来实现虚拟剂的用户生成的行为。与大型语言模型（LLM）一起，我们的方法可以同时产生虚拟药物的言语和非语言反应行为。我们的比较用户研究证实了我们的方法优于基于图形的基线基线技术，尤其是在以用户为中心的标准方面。对我们结果的彻底分析强调了虚拟代理相互作用的真实性质以及VR交互期间的用户参与度的增强。
同种异体造血干细胞移植中的止血和补体：两个交互式系统的临床意义
造血干细胞移植（HCT）代表了某些恶性和非恶性血液学疾病的治疗方法。在HCT之前进行调节方案，同种异体环境中移植物抗宿主病（GVHD）的发展以及免疫重建的延迟通过诱导组织损伤或体液改变会导致早期和晚期并发症。止血和/或补体系统是涉及体液和细胞反应的生物调节防御系统，并且在同种异体HCT之后与这些并发症有多样化。止血和补体系统具有多种相互作用，在生理和病理条件下都描述了这些相互作用。它们具有共同的组织靶标，例如内皮，这表明在HCT后早期或晚期的几种严重并发症的发病机理中相互作用。并发症，两个系统相互干扰并因此导致疾病发病机理的并发症包括与移植相关的血栓形成微型血管病（HSCT-TMA），正弦梗阻综合征/Veno cocclusive疾病（SOS/VOD）和GVHD。在这里，我们回顾了当前关于同种异体HCT后止血变化和补体的知识，以及这些变化如何定义临床影响。
SMART Board GX (V2) 系列交互式显示屏用户指南
SMART Board、SMART Notebook、SMART TeamWorks、SMART Meeting Pro、Object Awareness、Silktouch、smarttech、SMART 徽标和所有 SMART 标语均为 SMART Technologies ULC 在美国和/或其他国家/地区的商标或注册商标。Bluetooth 字标归 Bluetooth SIG, Inc. 所有，SMART Technologies ULC 对此类商标的任何使用均已获得许可。采用的商标 HDMI、HDMI High-Definition Multimedia Interface 和 HDMI 徽标是 HDMI Licensing Administrator, Inc. 在美国和其他国家/地区的商标或注册商标。Microsoft 和 Windows 是 Microsoft Corporation 在美国和/或其他国家/地区的注册商标或商标。所有其他第三方产品和公司名称可能是其各自所有者的商标。
开放世界交互式个性化机器人导航
摘要 - 零击对象导航（ZSON）使代理能够在未知环境中朝着开放式摄制对象导航。ZSON的现有作品主要集中于遵循单个说明，以查找通用对象类，忽略了自然语言互动的利用以及识别特定用户特定对象的复杂性。为了解决这些限制，我们引入了零击交互式个性化对象导航（Zipon），在与用户进行对话时，机器人需要导航到个性化目标对象。要解决Zipon，我们提出了一个新的框架，称为开放世界交互式个性化导航（Orion）1，该框架使用大型语言模型（LLMS）来做出顺序决策，以操纵不同的模块以进行感知，导航和交流。实验结果表明，可以利用用户反馈的交互式剂的性能会显示出显着改善。但是，对于所有方法，在任务完成与导航和互动效率之间获得良好的平衡仍然具有挑战性。我们进一步提供了更多有关不同用户反馈表对代理商绩效的影响的发现。
STRIDE：用于战略和交互式决策的工具辅助法学硕士 (LLM) 代理框架∗
大型语言模型 (LLM) （如 GPT-4）彻底改变了自然语言处理，展现出卓越的语言能力和推理能力。然而，它们在战略多智能体决策环境中的应用受到重大限制的阻碍，包括数学推理能力差、难以遵循指令以及容易产生错误信息。这些缺陷阻碍了它们在战略和交互任务中的表现，这些任务需要遵守细致入微的游戏规则、长期规划、在未知环境中探索以及预测对手的动作。为了克服这些障碍，本文提出了一种新型的 LLM 智能体框架，该框架配备了记忆和专门的工具来增强其战略决策能力。我们将这些工具部署在许多具有经济重要性的环境中，特别是双边谈判和多智能体和动态机制设计。我们使用定量指标来评估该框架在各种战略决策问题中的表现。我们的研究结果表明，我们增强的框架显著提高了 LLM 的战略决策能力。虽然我们强调了当前 LLM 模型的固有局限性，但我们通过有针对性的增强展示了改进，为交互式环境中 LLM 应用的未来发展提供了一个有希望的方向。