在電子表格中審核與控制 AI 代理行為
arXiv - Human-Computer InteractionSadra Sabouri, Zeinabsadat Saghi, Run Huang, Sujay Maladi, Esmeralda Eufracio, Sumit Gulwani, Souti Chattopadhyay
Pista 讓使用者能即時監控並介入 AI 代理在電子表格中的決策，提升任務成效與使用者理解。
AI 幫你先抓重點
AI 重點 1
即時可審計的 AI 行為設計能改變使用者對 AI 代理的控制感與信任度。
滑鼠懸停看 AI 判斷理由
透明度提升使用者對決策過程的掌控感，降低不確定性，促進人機協作與信任建立，對於需要高可靠性的知識工作尤為關鍵。
AI 重點 2
在知識工作中，讓使用者參與決策過程比事後審查更能提升工作品質與學習成效。
滑鼠懸停看 AI 判斷理由
主動介入使使用者能即時修正錯誤並理解代理推理，從而加深學習與提升任務表現，證明被動審查不足以保障結果品質。
核心研究發現
- 1
Pista 的分解式執行模式使使用者能在每一步介入，提升任務完成度與準確性。
- 2
參與式執行使使用者對任務的理解更深，對代理的信任度提升。
- 3
使用者能發現原本無法在事後審查中發現的錯誤，並感受到共同擁有輸出。
對教育工作者的啟發
教育工作者可將 Pista 之即時介入機制應用於需要高透明度的資料處理任務，透過分步審核提升學生對資料分析流程的理解與責任感；同時設計課程時，可將 AI 代理作為協同工具，鼓勵學生在每一步提出問題並修正，培養元認知與自主學習能力。
原始文獻資訊
- 英文標題：
- Auditing and Controlling AI Agent Actions in Spreadsheets
- 作者：
- Sadra Sabouri, Zeinabsadat Saghi, Run Huang, Sujay Maladi, Esmeralda Eufracio, Sumit Gulwani, Souti Chattopadhyay
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
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。