京东近日开源了实时视频视觉语言交互模型JoyAI-VL-Interaction，标志着AI从传统的“一问一答”模式转向“边看边说”。该模型能够持续观察视频流，自主判断并实时响应，适用于安防、翻译等场景，推动AI在物理世界的应用，助力各行业的智能化转型。

By harnessing AI and gen AI to create the next best customer experience, front-runners could generate value for customers and themselves through increased conversion, retention, and upselling.

本研究提出R-CAGE模型，旨在解决情感计算中重复情感参与的认知和结构性后果问题。该模型强调以用户为中心的心理恢复，调节情感节奏和感官强度，帮助用户应对信息过载，促进长期解读的自主性。

本研究提出了一种基于空因果的交互定义，结合交互与后见重标定（HInt），显著提升了动态机器人环境中目标条件强化学习的样本效率，最高可达4倍。

该研究提出了一种新的回放方法——平衡在线增量学习（BOIL），旨在解决在线类增量学习中旧类与新类知识的平衡问题。BOIL通过包容性训练分离策略和双分类器有效整合知识，增强知识传递。实验结果表明，BOIL在保持高塑性和稳定性方面优于现有方法。

本研究探讨了大型语言模型驱动的共享自主车辆用户界面对用户体验的影响。通过设计不同的拟人特征和心理所有权机制，研究发现这两者显著改善了用户对车辆的感知和情感反应，为提升用户体验提供了指导。

By many accounts, AI Agents are already here, but they are just not evenly distributed. However, few examples yet exist of what a good user experience of interacting with that near-futuristic...

本研究提出了一种基于大型语言模型的自适应辅导和社会推理架构，旨在提升机器人在辅导和训练中的互动能力。该框架增强了自主决策能力，能够管理复杂互动，推动训练任务，并构建上下文记忆，促进社会智能机器人技术的发展。

本研究分析了超过10万条AI产品用户评价，发现HAI维度如适应性、自定义、错误恢复和安全性对用户满意度有正面影响，不同职业背景的用户关注点虽异，但影响一致。

本研究提出了一种混合方法，解决儿童与机器人互动中的个性化教育内容生成问题。通过结合规则系统与大型语言模型，进行离线内容生成并人工验证，确保教育质量。研究表明，该方法有效提升儿童的阅读动机，促进更深层次的学习理解。

本研究评估了重抽样技术在因果分析中的应用，解决了非实验方法验证因果模型的不足。通过理论和模拟实验，揭示了重抽样方法与算法调优参数的关系，并提供了选择重抽样方法的指导。

本研究提出了PLAY2PROMPT框架，旨在优化大型语言模型在无标签文档下的零样本工具使用。通过与工具交互，探索其输入输出行为，生成用例并完善文档，从而显著提升工具性能，具备良好的可扩展性和有效性。

本研究提出VizTrust工具，旨在实时可视化分析用户与人工智能系统交互中的信任动态。该工具通过多代理协作系统，帮助利益相关者观察信任形成及其影响因素，为适应性对话代理设计提供反馈和见解。

本研究提出了一种监控视频辅助的联邦数字双胞胎框架（SV-FDT），旨在改善传统智能交通系统中行人与车辆的互动。该框架利用多源交通监控视频，构建全面的互动模型，显著提升交通管理效果，并在延迟和识别准确性方面优于传统框架。

本研究提出了Step-Audio解决方案，针对开源语音交互模型在数据收集、动态控制和智能化方面的不足，推出了130B参数的多模态模型，实现了理解与生成的统一，标志着技术的进步。

本研究提出了StreamChat框架，旨在解决现有视频理解模型在长视频、多轮对话和动态场景中的不足。通过分层记忆系统，StreamChat实现了高效的视频特征处理，实验结果表明其在准确性和响应时间上优于现有模型。

该研究提出了一种新型图形用户界面代理模型UI-TARS，增强了感知能力和统一行动建模，表现优异，减少了对人为干预的依赖。

本研究提出了COMO框架，解决了多模态目标检测中图像对齐不足的问题。通过跨Mamba技术实现特征融合，显著提升了目标检测性能并降低了计算开销。

本文探讨了通过模型间交互提升文本到图像生成的能力，提出了ArtAug方法，该方法利用图像理解模型的隐式学习来优化合成效果，实验结果显示其显著增强了生成能力。

本研究提出DiverseAgentEntropy方法，通过多代理互动量化大型语言模型的不确定性。研究发现，现有模型在面对多样化问题时，常常无法一致地检索正确答案，从而提高了对模型可靠性的预测，并有效识别幻觉现象。