University of Michigan（密歇根大学安娜堡分校）

Sparse Bayesian Modeling of EEG Channel Interactions Improves P300 Brain-Computer Interface Performance

稀疏贝叶斯建模用于EEG通道交互以提高P300脑机接口性能

Guoxuan Ma, Yuan Zhong, Moyan Li, Yuxiao Nie, Jian Kang

机构 * Department of Biostatistics, University of Michigan（生物统计学系，密歇根大学） 纠错

AI总结 本文提出稀疏贝叶斯模型，通过建模EEG通道交互提升P300脑机接口的解码性能和用户吞吐量。

User Misconceptions of LLM-Based Conversational Programming Assistants

基于大语言模型的对话式编程助手中的用户误解

Gabrielle O'Brien, Antonio Pedro Santos Alves, Sebastian Baltes, Grischa Liebel, Mircea Lungu, Marcos Kalinowski

机构 * University of Michigan（密歇根大学） ； Pontifical Catholic University of Rio de Janeiro（里约热内卢天主教大学） ； Heidelberg University（海德堡大学） ； Reykjavik University（雷克雅未克大学） ； IT University of Copenhagen（哥本哈根IT大学） 纠错

AI总结 研究揭示了用户在使用基于大语言模型的对话式编程助手时可能存在的误解，强调了工具在明确自身能力及通过实证研究澄清编程需求的重要性。

Comments Accepted to the Journal Ahead Workshop at ICSE '26