本研究提出了一种以用户为中心的人工智能模型定制方法，旨在解决黑箱AI在高风险领域缺乏用户控制的问题。通过重新设计的Rhino-Cyt平台，用户可以干预AI决策过程，优化预测，促进人机协作与解释驱动的用户干预。

本文介绍了一种名为TAILOR的多模态多标签情感识别方法，旨在提升模态区分能力和标签语义信息。通过对抗式多模态精炼模块和BERT-like跨模态编码器，TAILOR在CMU-MOSEI数据集上表现优于现有算法。

本文探讨了一种通过个性化词典调整大型语言模型（LLMs）个性特质的方法，研究表明个性化提示显著影响模型的推理能力，并提出了“人格对齐”概念，以促进人工智能与人类用户的有效协作。

At GitLab, we knew we had a big problem to solve. Our existing, default user roles were becoming roadblocks for our customers. The default roles, such as Guest, Reporter, Developer, Maintainer,...