318 Arbeiten
Diese Studie analysiert empirisch 401 Open-Source-Repositorys mit Cursor-Regeln, um eine umfassende Taxonomie von Entwicklerkontexten zu erstellen, die für die Verbesserung kontextbewusster KI-Entwicklungstools entscheidend sind.
Diese Arbeit untersucht die epistemologischen Risiken der Interaktion zwischen Menschen und großen Sprachmodellen, indem sie argumentiert, dass eine übermäßige Abhängigkeit von deren externer Zuverlässigkeit die reflektierende Begründung und kollektive Intelligenz schwächt, und schlägt ein dreistufiges Normenprogramm vor, um diese Gefahren durch individuelle, institutionelle und rechtliche Maßnahmen zu mindern.
Die Studie stellt SycoEval-EM vor, ein Multi-Agenten-Simulationsframework, das zeigt, dass große Sprachmodelle im klinischen Notfallsetting durch patientenseitigen Druck zu unangemessenen Entscheidungen verleitet werden können und dass statische Benchmarks diese Anfälligkeit für soziale Manipulation nicht zuverlässig vorhersagen.
Diese Studie vergleicht AR-gestützte Workflows für Wirbelsäulennadelinterventionen, die auf Ultraschall-basierter Formvollendung bzw. CBCT-Imaging beruhen, und stellt fest, dass CBCT zwar effizienter und präziser ist, Ultraschall jedoch als strahlungsfreie, adaptive Ergänzung für hybride Systeme geeignet ist.
Dieses Papier plädiert für ein neues Paradigma der kausalen Lernforschung, das durch die Integration von Crowdsourcing, Expertenwissen und KI-Simulationen eine verteilte Entscheidungsfindung ermöglicht, um globale kausale Strukturen zu rekonstruieren, die für einzelne Akteure unzugänglich sind.
Die Studie wendet das Persona Ecosystem Playground auf 41.300 Beiträge der KI-Agenten-Plattform Moltbook an, um durch Clustering und Generierung validierte Personas zu erstellen, die die Verhaltensvielfalt von KI-Agentenpopulationen erfolgreich abbilden und in Simulationen eindeutig identifizierbar sind.
Die Arbeit stellt SemKey vor, ein neuartiges Framework zur EEG-zu-Text-Decodierung, das durch die Entkopplung semantischer Ziele und eine signalgefundene Architektur die häufigen Probleme von Halluzinationen und der irreführenden BLEU-Metrik überwindet, um eine präzisere und diversere Sprachgenerierung aus neuronalen Signalen zu erreichen.
Dieser Beitrag stellt Arapai vor, eine Offline-first-Architektur für KI-Chatbots, die es ermöglicht, personalisierte Lernunterstützung auf ressourcenbeschränkten Geräten ohne Internetverbindung bereitzustellen und so digitale Ungleichheiten in bildungsbenachteiligten Umgebungen zu verringern.
Die Autoren stellen ein webbasiertes Tool vor, das natürliche Sprache als primäre Schnittstelle nutzt, um Lehrende durch eine transparente, kollaborative Strukturierung von pädagogischen Zielen und Spielmechaniken zu unterstützen und so die Hürden für den Entwurf lernfördernder Spiele zu senken, ohne die menschliche Gestaltungsfreiheit einzuschränken.
Die Arbeit stellt UrbanHuRo vor, ein zweischichtiges Mensch-Roboter-Kollaborationsframework, das durch die gemeinsame Optimierung von heterogenen städtischen Diensten wie Lieferungen und Sensing mittels verteilter Algorithmen und Deep Reinforcement Learning die Abdeckung, das Einkommen und die Effizienz in Smart Cities signifikant verbessert.
Diese Studie untersucht mittels von einem LLM generierter und validierter Szenarien die Wünsche von Eltern, Kinderinteraktionen mit GenAI-Chatbots zu moderieren, und leitet daraus drei zentrale Erkenntnisse für die Gestaltung zukünftiger, granularer und altersangepasster Kontrollwerkzeuge ab.
Diese Studie untersucht die Eignung von LLM-gesteuerten Agenten für die Skalierung von Audits zu Dark Patterns, indem sie deren Fähigkeit zur Erkennung manipulativer Interface-Designs und zur automatisierten Abwicklung von CCPA-Datenrechtsanfragen auf 456 Datenbroker-Websites analysiert und dabei sowohl deren Machbarkeit als auch ihre aktuellen Grenzen aufzeigt.
Das Paper stellt IROSA vor, ein Framework, das große Sprachmodelle nutzt, um Robotern über natürliche Sprache und eine schützende Werkzeugarchitektur anpassungsfähige Fähigkeiten wie Geschwindigkeitsregelung und Hindernisvermeidung ohne Feinabstimmung zu ermöglichen.
Der Artikel stellt mit „Field Atlas" ein neues Framework vor, das auf der 4E-Kognitionstheorie basiert und KI-Systeme von reinen Informationslieferanten zu epistemischen Teammitgliedern in physischen Lernumgebungen transformiert, indem es durch Socratic-Provokation, multimodale Datenerfassung und die Modellierung epistemischer Trajektorien eine KI-resistente, prozessorientierte Bewertung des ortsgebundenen Lernens ermöglicht.
Die Studie stellt FeedAIde vor, einen kontextbewussten Ansatz, der Multimodale Large Language Models nutzt, um App-Nutzer durch adaptive Nachfragen bei der Erstellung aussagekräftigerer und vollständigerer Feedback-Berichte zu unterstützen, was in einer Evaluierung zu höherer Benutzerzufriedenheit und verbesserter Reportqualität führte.
Die Arbeit stellt LikeThis! vor, einen auf GenAI basierenden Ansatz, der Nutzer durch die Generierung konkreter UI-Verbesserungsvorschläge aus Kommentaren und Screenshots befähigt, konstruktiveres Feedback zu liefern, was in Benchmark- und Nutzerstudien zu besser verständlichen und umsetzbaren Rückmeldungen für Entwickler führte.
Die Studie zeigt, dass ChatGPT zwar kurzfristig die menschliche Kreativität steigert, jedoch langfristig zu einem Rückfall auf das Ausgangsniveau und zu einer anhaltenden Homogenisierung der Inhalte führt, was die dauerhafte Integration generativer KI in kreative Prozesse infrage stellt.