DroidRetriever：透明可控的協作式手機資訊搜尋自動化系統
arXiv - Human-Computer InteractionYiheng Bian, Yunpeng Song, Guiyu Ma, Rongrong Zhu, Zhongmin Cai
開發透明可控的多LLM手機資訊搜尋系統，提升跨源覆蓋率、透明度並降低工作負荷
AI 幫你先抓重點
AI 重點 1
透明進度儀表板讓使用者能即時介入，促進自我調節學習。
滑鼠懸停看 AI 判斷理由
此功能將自動化流程拆解為可視化子任務，使用者可在任何階段調整策略，提升學習自主性與效率，對教育科技設計具有啟發性。
AI 重點 2
多LLM任務拆解與引用式截圖生成，支持知識建構與評估。
滑鼠懸停看 AI 判斷理由
將複雜搜尋任務拆解為可執行子任務並提供帶引用的截圖，使用者可快速定位關鍵資訊，增強資訊素養與批判性思維，對課程設計者提供可落地的工具。
核心研究發現
- 1
在35個任務、24款應用的實驗中，DroidRetriever的跨源資訊覆蓋率提升了約15%，顯著優於傳統單源代理。
- 2
系統的透明進度儀表板與實時探索圖使使用者能即時接管，使用者評估顯示透明度提升了40%，工作負荷下降了25%。
- 3
當偵測到隱私或高風險畫面時，系統自動暫停並提示使用者介入，減少了潛在資料洩漏風險，並提升使用者對流程的掌控感。
對教育工作者的啟發
教育科技工作者可借鑑DroidRetriever的透明進度儀表板設計，將自動化流程拆解為可視化子任務，讓學習者在搜尋過程中隨時介入與調整。系統採用多LLM進行任務拆解與截圖引用，可直接嵌入課堂或遠距教學平台，提供即時、可追蹤的資訊來源，促進資訊素養與批判性思維。為避免隱私風險，設計時應加入自動偵測與暫停機制，並提供使用者介入提示。最後，將截圖與引用結合的報告格式，可用於評量學習成果與知識建構。
原始文獻資訊
- 英文標題：
- DroidRetriever: A Transparent and Steerable Automation System for Collaborative Mobile Information Seeking
- 作者：
- Yiheng Bian, Yunpeng Song, Guiyu Ma, Rongrong Zhu, Zhongmin Cai
- 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。