PulseAugur
实时 00:57:44
English(EN) Measuring User's Mental Models of Speech Translation in Human-AI Collaboration

新框架衡量用户对语音翻译AI的理解程度

一项新的研究论文介绍了一个用于研究用户对语音翻译系统心智模型的框架。该研究采用跨语言问答,用户在此过程中决定是接受机器翻译(MT)的输出还是选择专业译员的重新翻译。研究结果表明,用户通过练习可以提高对MT错误的预测能力,特别是如果他们对源语言有所了解的话,并且提供语音转录有助于形成更好的心智模型。这项研究强调了跨语言问答在理解翻译领域人机协作方面的效用。 AI

影响 为了解用户如何感知和与语音翻译AI互动提供了见解,有可能改进未来的人机协作工具。

排序理由 在arXiv上发表的研究论文,详细介绍了研究用户对语音翻译系统心智模型的新框架。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新框架衡量用户对语音翻译AI的理解程度

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · HyoJung Han, Nishant Balepur, Jordan Boyd-Graber, Marine Carpuat ·

    衡量人机协作中用户语音翻译心智模型

    arXiv:2606.24644v1 Announce Type: new Abstract: Millions of people use machine translation (MT) tools daily, yet little is known about their perception of what systems can and cannot do. This paper studies users' mental models of speech translation systems through a new framework…

  2. arXiv cs.CL TIER_1 English(EN) · Marine Carpuat ·

    衡量人机协作中用户语音翻译心智模型

    Millions of people use machine translation (MT) tools daily, yet little is known about their perception of what systems can and cannot do. This paper studies users' mental models of speech translation systems through a new framework based on cross-lingual question answering, wher…