本研究评估了“AI实验室”干预对本科生计算机科学课程中生成性人工智能使用的影响，结果表明该干预有效提升了学生对生成性人工智能的理解和应用意识，改善了他们在调试和作业中的使用模式，为负责任地整合生成性人工智能提供了实证依据。

本文研究了线性臂选模型选择，提出了一种Pareto最优算法，以平衡探索与开发。针对因果背景下的赌博问题，优化了上下文马尔可夫决策过程，并提出新算法以提高干预效果，最终在随机环境中验证了其有效性。

该文章介绍了一种在已训练但不可解释的神经网络上进行基于概念的干预的方法，并通过微调模型来改进干预效果和提高预测的校准性。实验结果显示，精调黑盒模型在干预效果上与概念瓶颈模型相媲美且性能更高。