Fugu-MT 論文翻訳(概要): Predicting the usability of mobile applications using AI tools: the rise of large user interface models, opportunities, and challenges

論文の概要: Predicting the usability of mobile applications using AI tools: the rise of large user interface models, opportunities, and challenges

arxiv url: http://arxiv.org/abs/2405.03716v1
Date: Sun, 5 May 2024 09:24:48 GMT
ステータス: 処理完了
システム内更新日: 2024-05-08 18:34:09.541302
Title: Predicting the usability of mobile applications using AI tools: the rise of large user interface models, opportunities, and challenges
Title（参考訳）: AIツールによるモバイルアプリケーションのユーザビリティ予測 - 大規模ユーザインターフェースモデルの台頭,チャンス,課題
Authors: Abdallah Namoun, Ahmed Alrehaili, Zaib Un Nisa, Hani Almoamari, Ali Tufail,
Abstract要約: 本稿では,モバイルアプリケーションにおけるユーザインタフェースの生成とユーザビリティの予測を可能にする,いわゆるLUIM(Big User Interface Model)を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This article proposes the so-called large user interface models (LUIMs) to enable the generation of user interfaces and prediction of usability using artificial intelligence in the context of mobile applications.
Abstract（参考訳）: 本稿では,モバイルアプリケーションにおけるユーザインタフェースの生成とユーザビリティの予測を可能にする,いわゆるLUIM(Big User Interface Model)を提案する。

関連論文リスト

Generative AI in Multimodal User Interfaces: Trends, Challenges, and Cross-Platform Adaptability [0.0]
ジェネレーティブAIは、ユーザーインターフェイスを再構築する上で重要なドライバとして登場します。本稿では,現代ユーザインタフェースにおける生成AIの統合について考察する。マルチモーダルインタラクション、クロスプラットフォーム適応性、動的パーソナライゼーションに焦点を当てている。
論文参考訳（メタデータ） (2024-11-15T14:49:58Z)
GUI Agents with Foundation Models: A Comprehensive Survey [52.991688542729385]
この調査は(M)LLMベースのGUIエージェントに関する最近の研究を集約する。データ、フレームワーク、アプリケーションにおける重要なイノベーションを強調します。本稿では, (M)LLM ベースの GUI エージェントの分野におけるさらなる発展を期待する。
論文参考訳（メタデータ） (2024-11-07T17:28:10Z)
Foundations and Recent Trends in Multimodal Mobile Agents: A Survey [57.677161006710065]
モバイルエージェントは、複雑で動的なモバイル環境におけるタスクの自動化に不可欠である。近年の進歩により、リアルタイム適応性とマルチモーダルインタラクションが向上している。これらの進歩は、プロンプトベースの方法とトレーニングベースの方法の2つの主要なアプローチに分類する。
論文参考訳（メタデータ） (2024-11-04T11:50:58Z)
Survey of User Interface Design and Interaction Techniques in Generative AI Applications [79.55963742878684]
我々は,デザイナやディベロッパの参照として使用できる,さまざまなユーザインタラクションパターンのコンペレーションを作ることを目指している。また、生成AIアプリケーションの設計についてもっと学ぼうとする人たちの参入障壁を低くしようと努力しています。
論文参考訳（メタデータ） (2024-10-28T23:10:06Z)
A Population-to-individual Tuning Framework for Adapting Pretrained LM to On-device User Intent Prediction [14.818168132725544]
PITuningはデバイス上での意図予測のための個体間チューニングフレームワークである。 PITuningは、デバイス上での予測シナリオに対して、長い尾の好みと実用性をキャプチャする。
論文参考訳（メタデータ） (2024-08-19T09:07:33Z)
Human-AI Interaction in Industrial Robotics: Design and Empirical Evaluation of a User Interface for Explainable AI-Based Robot Program Optimization [5.537321488131869]
本稿では,最先端の深層学習型ロボットプログラムのための説明ユーザインタフェース(XUI)を提案する。 XUIは、スキルレベルによって異なるユーザエクスペリエンスを持つ、ナイーブなユーザとエキスパートなユーザの両方を提供します。
論文参考訳（メタデータ） (2024-04-30T08:20:31Z)
LVLM-Interpret: An Interpretability Tool for Large Vision-Language Models [50.259006481656094]
本稿では,大規模視覚言語モデルの内部メカニズムの理解を目的とした対話型アプリケーションを提案する。このインタフェースは, 画像パッチの解釈可能性を高めるために設計されており, 応答の生成に有効である。本稿では,一般的な大規模マルチモーダルモデルであるLLaVAにおける障害機構の理解に,アプリケーションがどのように役立つかのケーススタディを示す。
論文参考訳（メタデータ） (2024-04-03T23:57:34Z)
An Interactive Human-Machine Learning Interface for Collecting and Learning from Complex Annotations [45.23526921041318]
我々は,従来のラベルの制約にヒトのアノテータが適応するという期待を緩和するために,監視情報が収集される形で,さらなる柔軟性を実現することを目的としている。そこで本研究では,データセットのアノテーションとして標準バイナリラベルを補完するために,ヒューマンアノテータによる実例の活用を可能にする,バイナリ分類タスクのためのヒューマンマシン学習インタフェースを提案する。
論文参考訳（メタデータ） (2024-03-28T11:57:06Z)
User Friendly and Adaptable Discriminative AI: Using the Lessons from the Success of LLMs and Image Generation Models [0.6926105253992517]
我々は、ユーザが差別的なモデルで作業できる新しいシステムアーキテクチャを開発した。我々のアプローチは、信頼、ユーザーフレンドリさ、そしてこれらの多目的だが伝統的な予測モデルの適応性を改善することに影響を及ぼす。
論文参考訳（メタデータ） (2023-12-11T20:37:58Z)
When Large Language Models Meet Personalization: Perspectives of Challenges and Opportunities [60.5609416496429]
大規模言語モデルの能力は劇的に改善されている。このような大きな飛躍的なAI能力は、パーソナライゼーションの実施方法のパターンを変えるだろう。大規模言語モデルを汎用インターフェースとして活用することにより、パーソナライズシステムはユーザ要求を計画にコンパイルすることができる。
論文参考訳（メタデータ） (2023-07-31T02:48:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。