arXiv论文综述AI时代人机数据交互挑战
热点事件持续更新
arXiv论文综述AI时代人机数据交互挑战
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Jean-Daniel Fekete 等作者在 arXiv 发表论文,梳理 AI 时代人机数据交互、探索与可视化系统面临的挑战与开放研究方向。论文指出,LLM、VLM 等基础模型带来额外不确定性,使大规模异构多模态数据分析在感知错位的延迟、可扩展性约束、现有交互与探索范式的局限,以及 AI 生成洞察的可靠性与可解释性上持续暴露问题。 作者主张超越传统效率与可扩展性指标,重新定义分析流程中人与机器的角色,并将认知、感知与设计原则融入人机数据交互栈的每一层,以构建以人为本的交互式数据分析系统。
AI 根据报道生成 · 1 小时前更新
最新进展11月18日 13:00
AI 时代的人机数据交互、探索与可视化系统:挑战与机遇报道时间线
沿着报道,了解事件的不同侧面。
11月18日
- arXiv cs.AIAI 时代的人机数据交互、探索与可视化系统:挑战与机遇
一篇 arXiv 论文探讨 AI 时代人机数据交互与可视化系统面临的挑战与机遇。随着 LLM、VLM 等基础模型引入额外不确定性,大规模异构多模态数据分析在感知错位的延迟、可扩展性约束、现有交互与探索范式局限以及 AI 生成洞察的可靠性与可解释性方面暴露出持续挑战。论文主张超越传统效率与可扩展性指标,重新定义分析流程中人与机器的角色,并将认知、感知与设计原则融入人机数据交互栈的每一层。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。