← 全部论文
Proceedings of the National Academy of Sciences
人机互补性的贝叶斯建模
英文原题: Bayesian modeling of human–AI complementarity
研究摘要
该研究以贝叶斯框架刻画人类与机器分类器何时能够互补，并处理双方表达置信度方式的差异。结果有助于混合智能设计，但主要适用于分类任务。
证据优势
- 明确比较人类与机器
- 对置信度进行贝叶斯建模
- 代码与数据可复现
局限性
- 主要聚焦分类任务
- 建模假设未必适用于开放式协作
研究主题
- Human-AI Interaction
- Artificial Intelligence
- Prediction
- Cognitive Science
关联论断
这篇论文目前尚未关联公开论断。