标签
本文认为，只要合理设计交互界面，就能调用大语言模型在预训练中获得的世界知识来预测时序事件。文章提出了 DescribeEvent（约 15 万个事件，涵盖 7 个数据集），并表明，将自然语言事件描述与符号标签相结合，能够使能力较强的大语言模型超越专门设计的基线模型。
该论文提出 DeskIF-Bench 基准（跨6款桌面应用的255个任务）研究软件界面演化对 LLM 代理性能的影响，并开发 ANIS 框架从已安装应用能力合成代理原生接口，在368个任务上显著提升成功率并降低约73%的 token 用量。
作者认为同时运行多个 AI 编程代理时，打字输入是错误的交互方式，瓶颈在于界面而非模型，因此开发了名为 Ginu 的工具，提供语音指挥和多代理团队视图来管理并行的 Claude Code 和 Codex 会话。
一项为期多阶段的学术与eBay联合研究，对当前生成式AI在部署后所采用的用户反馈机制进行了基准评估，识别出可发现性低、术语不清晰等常见可用性问题，并在此基础上提出了最佳实践建议，同时设计了一款原型反馈收集工具——既注重用户友好性，又能为产品团队提供切实可操作的洞察。
本文介绍了 Gradio 中的 `gr.Workflow`，该功能允许用户通过拖放节点构建交互式、可视化的 AI 流水线，配备实时示例，并可轻松部署至 Hugging Face Spaces。
推荐 Geoffrey Litt 的文章，批评 AI 'copilot' 隐喻，主张采用 HUD（平视显示器）设计理念，让 AI 成为背景感知工具而非对话助手。
本文介绍了智能体-计算机观察接口（AOI），这是一种模型无关的感知层，它将计算机使用智能体的连续自适应观察与离散动作解耦。AOI 在动态浏览器任务上实现了显著的性能提升（+17 到 +48 个百分点），且无需重新训练，关键洞察在于将捕获的帧叙述为持久文本是改进的主要驱动因素。
本文介绍了一个界面设计框架，其中每个界面都有两个通道（带内和带外）用于传达关注点。文章认为，好的设计会迫使用户面对重要的关注点，而不是让他们忽略这些关注点。
本文提出一个框架，用于评估LLM在科学查询中生成不同语言复杂度的多个响应的能力。研究发现，模型常常不一致地变化复杂度，表现最好的Claude Sonnet 4.5仅能在46%的情况下正确调整复杂度。
本文探讨了 Wix 在其平台上优化数千条错误提示的举措，界定了 UX 设计中良好与糟糕错误处理的特征。文章强调应侧重于清晰度、同理心以及可操作的解决方案，而非使用技术术语或指责用户。