本研究探讨了如何通过情境感知框架优化干预措施，以维持认知流状态。该框架根据类型、时机和规模动态调整干预，确保用户深度参与，从而显著提升复杂决策中的认知流状态。

本研究提出情感解释（EI）方法，关注情感反应的因果因素，旨在弥补现有情感分析的不足。通过建立包含1,615个基本样本和50个复杂样本的EIBench基准测试，展示EI在提升人工智能同理心和情境感知方面的潜力。

本研究探讨了人工智能技术与全球心理健康危机的关系，提出以人为本的AI应用方法，旨在支持人际互动和提供情境感知的帮助。研究表明，AI可以辅助人类提供者，推动更负责任的心理健康干预。

研究通过行为测试评估大语言模型的情境感知能力，创建了包含7个任务类别和超过13,000个问题的SAD基准测试集。评估了16个模型，发现聊天模型在SAD上表现更好，但在一般知识任务上没有优势。研究旨在量化情境感知能力，促进对模型的科学理解，并关注人工智能安全和控制的新风险。

该研究介绍了第一个公开可用的多模态感知数据集，用于增强自主水面车辆的情境感知。该数据集包括了不同环境条件下的水中障碍物，并提供了多模态、带注释的感知数据，以填补海洋机器人学研究的空白。