Conversational Agents to Improve Quality of Life in Palliative Care
PulseAugur coverage of Conversational Agents to Improve Quality of Life in Palliative Care — every cluster mentioning Conversational Agents to Improve Quality of Life in Palliative Care across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新框架解决多模态大语言模型的视觉幻觉问题 · 已追踪 2 个来源
研究人员推出 DreamRealm，一个旨在对抗多模态大语言模型（MLLM）视觉幻觉的新框架。该框架通过识别和具象化潜在的幻觉响应，然后最小化编辑原始图像以使其与这些响应对齐。该过程包括构建一个已实现幻觉的数据集，并使用一种称为 RealmMatch 的训练目标来提高模型将正确响应分配给支持图像的能力。使用 Qwen3.5-9B 进行的实验在视觉感知和幻觉基准测试中显示出显著的性能提升。
-
新的SIT-Eval框架揭示了对话式AI中隐藏的故障模式
研究人员推出了一种名为SIT-Eval的新型框架，旨在更严格地评估对话式AI代理。与依赖静态、自然对话的传统基准测试不同，SIT-Eval通过情境规则来规范代理行为。一个LLM-对话者在每一轮模拟特定情境，然后一个独立的LLM-裁判根据该情境的所有适用规则来评估代理的响应。对八个大型语言模型进行的基准测试显示，聚合指标可能会掩盖关键的故障模式，尽管总体得分相似，但模型在遵守规则方面表现出显著差异，尤其是在模糊澄清和苏格拉底式提问方面存在困难。
-
人工智能在医疗保健领域：公众信任依赖于临床医生，而非仅仅是技术
一项利用结构方程模型的新研究分析了来自 3,915 名调查受访者的数据，以了解公众对人工智能在医疗保健领域看法的看法。研究发现，熟悉人工智能、对临床医生辨别人工智能生成内容的能力有信心以及使用对话代理获取健康信息与对人工智能决策的帮助性感知更大有关。相反，依赖传统健康信息来源和一般人工智能熟悉度与更高的感知风险有关。
-
新框架提出对话式AI代理的自适应个性
研究人员提出了一个用于对话代理（CAs）的流畅个性框架，旨在根据上下文调整其角色和个性表达。该框架解决了当前CAs中存在的静态个性问题，这种问题可能导致在各种目标导向的任务中出现不匹配。提出的系统联合调整代理的隐喻角色（例如，教练、导师）及其个性表达的强度（低、中或高），以更好地适应任务上下文、用户目标和情境紧迫性。
-
LLM拟人化引发伦理辩论，审查发现
一篇新发表在arXiv上的范围审查文章，探讨了围绕大型语言模型（LLM）对话代理拟人化的伦理考量。该论文指出，虽然这些代理可以展现出增加用户参与度的人类特质，但它们也引发了欺骗和过度依赖等伦理问题。该审查综合了关于概念基础、伦理挑战和方法学的现有文献，并指出需要更多的实证工作来指导LLM代理中拟人化提示的伦理部署。