ArtAnno：透過 LLM 代理驅動之雙向人機增強進行藝術品隱含語義標註
arXiv - Human-Computer InteractionXiaoyan Gu, Yifang Wang, Wenqing Zheng, Haozhong Liu, Yixia Zheng, Peiyi Jiang, Wenjie Ning, Wei Zhang, Wei Chen
提出一種雙向人機增強框架，透過多代理架構實現 AI 輔助人類標註與人類知識回饋 AI 的閉環系統。
AI 幫你先抓重點
AI 重點 1
從「單向輔助」轉向「雙向增強」的閉環學習範式
滑鼠懸停看 AI 判斷理由
傳統 AI 工具多為單向輸出，人類需額外校準模型；此研究提出的雙向機制讓人類專業知識能即時回饋並優化 AI，這種「共生演進」的概念對於設計下一代協作式學習系統具有高度啟發性。
AI 重點 2
將人類的「標註軌跡」轉化為可重複使用的知識資產
滑鼠懸停看 AI 判斷理由
這不僅僅是標註工具的改進，更是一種知識建構的過程。透過將人類的思考與決策過程（軌跡）蒸餾成 AI 可學習的經驗，實現了隱性知識的顯性化與數位化，對知識工程領域意義重大。
核心研究發現
- 1
提出雙向人機增強（BiHAA）框架，打破傳統單向 AI 輔助模式，實現知識與技能在人機間的雙向演進。
- 2
ArtAnno 系統透過多代理架構，包含主動代理支持模組與互動驅動演進模組，實現語義挖掘與經驗蒸餾。
- 3
使用者研究顯示，該系統能有效提升標註效率，並減少缺乏領域專業知識者在尋找與驗證資訊時的負擔。
- 4
研究證實該框架能促進知識累積，將人類的標註軌跡轉化為可重複使用的經驗，強化 AI 的表現。
對教育工作者的啟發
對於教育科技設計者而言，此研究提供了「協作式 AI」設計的重要範例。在設計學習工具時，不應僅將 AI 定位為提供答案的工具，而應設計能捕捉學習者思考軌跡（Learning Trajectories）的機制，讓學習者的決策過程能反過來優化系統。這對於開發能支持自主學習（SRL）或專題式學習（PBL）的智慧教學系統極具價值，因為它能建立一個「教學相長」的環境，讓系統隨著使用者的參與而變得更聰明，進而提供更精準的支架（Scaffolding）。
原始文獻資訊
- 英文標題：
- ArtAnno: Annotating Implicit Semantics in Artworks through LLM Agent-Driven Bidirectional Human-AI Augmentation
- 作者：
- Xiaoyan Gu, Yifang Wang, Wenqing Zheng, Haozhong Liu, Yixia Zheng, Peiyi Jiang, Wenjie Ning, Wei Zhang, Wei Chen
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。