HANSEL：從 Web Agent 軌跡中提取麵包屑以進行互動式驗證
arXiv - Human-Computer InteractionYujin Zhang, Daye Nam
開發 HANSEL 系統將 AI 代理的驗證過程從被動閱讀轉向互動式導航，提升驗證效率與準確性。
AI 幫你先抓重點
AI 重點 1
將驗證行為從「被動閱讀」轉型為「互動式活動」
滑鼠懸停看 AI 判斷理由
傳統 AI 說明往往是靜態的文字摘要，使用者難以辨識錯誤。透過保留頁面狀態（如篩選條件、捲動位置）的互動式導航，使用者能親自「走過」AI 的路徑，這對於建立對 AI 決策的信任與監督至關重要。
AI 重點 2
主動標示「證據缺失」的透明度機制
滑鼠懸停看 AI 判斷理由
系統不僅提供找到的證據，更會明確指出 AI 回答無法追溯至任何訪問頁面的缺口。這種「負面證據」的呈現方式，能有效防止使用者盲目信任 AI 的幻覺（Hallucination），是提升人機協作安全性的關鍵。
核心研究發現
- 1
HANSEL 在識別證據頁面方面表現優異，於技術評估中達到 83.7% 的精準度與 88.8% 的召回率。
- 2
該系統能有效精簡資訊量，將 AI 代理的軌跡數據量減少了 61.6%。
- 3
使用者研究顯示，與標準介面相比，HANSEL 能顯著縮短任務完成時間並降低感知努力程度。
- 4
參與者在可用性、驗證難易度及錯誤識別能力方面，對 HANSEL 的評分均顯著高於傳統介面。
對教育工作者的啟發
雖然此研究聚焦於 Web Agent，但其「互動式驗證」的概念可延伸至教育科技設計。在設計 AI 輔助學習工具時，不應僅提供 AI 生成的解釋或摘要，而應提供「可追溯的證據鏈」。例如，當 AI 輔助學生進行研究或解決問題時，應允許學生點擊證據並直接跳轉至原始教材或資料來源，並保留當時的上下文（如筆記或標記）。這種設計能促進學生的批判性思考與元認知監控，讓學生從單純接受 AI 答案，轉變為主動驗證資訊真偽的學習者。
原始文獻資訊
- 英文標題：
- HANSEL: Extracting Breadcrumbs from Web Agent Trajectories for Interactive Verification
- 作者：
- Yujin Zhang, Daye Nam
- 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。