English(EN) Explainable AI for Blind and Low-Vision Users: Navigating Trust, Modality, and Interpretability in the Agentic Era

可解释人工智能研究旨在提高对盲人和低视力用户的可访问性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-06 04:00

一篇新论文解决了为盲人和低视力（BLV）用户量身定制可解释人工智能（XAI）的关键需求，突显了当前人工智能系统在模态上的显著差距。研究表明，虽然BLV用户重视对话式解释，但他们常常将人工智能的失败归咎于自己。该论文提出了一个专注于多模态界面和面向代理人工智能系统的、考虑归因的解释设计的议程。 AI

影响强调了包容性人工智能设计的必要性，可能影响未来辅助技术的发展。

排序理由关于人工智能可解释性针对特定用户群体的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Abu Noman Md Sakib, Protik Dey, Zijie Zhang, Taslima Akter · 2026-05-06 04:00

面向盲人和低视力用户的可解释人工智能：在代理时代驾驭信任、模态和可解释性

arXiv:2604.00187v2 Announce Type: replace-cross Abstract: Explainable Artificial Intelligence (XAI) is critical for ensuring trust and accountability, yet its development remains predominantly visual. For blind and low-vision (BLV) users, the lack of accessible explanations creat…