来自斯坦福大学和Apple Inc.的研究人员发表了关于用户如何在个性化传感系统中协商本体边界的探索性工作。他们的研究在可用性、可靠性和安全性国际会议(ARES)上发表,确定了用户与这些边界交互的四个关键领域:现象定义、主客体关系、信号与噪声,以及数据客观性。该研究采用“绿野仙踪”技术,允许参与者根据自己的定义训练个性化机器学习系统,为未来的系统提供了设计见解。 AI
影响 增强了个性化AI系统中的用户控制和隐私,可能影响未来人机交互设计。
排序理由 该集群包含详细介绍用户授权的个性化传感系统和代理协商策略研究的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Apple Machine Learning Research 阅读 →
- Apple Inc.
- Behavioral Privacy Leakage in Agentic Negotiation: Formalizing and Mitigating Inference Attacks via Randomized Policies
- Danielle Olson
- Erdrin Azemi
- Gierad Laput
- Halden Lin
- International Conference on Availability, Reliability and Security (ARES)
- James Landay
- Kayur Patel
- Nava Haghighi
- ODKE+
- Stanford University
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →