鼎冠策略当AI学会"察言观色": 卡内基梅隆等高校如何让盲人用户重新掌控自动化选择权

这项由卡内基梅隆大学彭艺豪、Adobe研究院李丁泽宇、卡内基梅隆大学杰弗里·比格姆以及加州大学伯克利分校艾米·帕维尔共同完成的研究发表于2025年9月28日至10月1日在韩国釜山举行的第38届ACM用户界面软件与技术年会（UIST '25）鼎冠策略。这项突破性研究首次系统性地解决了盲人和低视力用户在使用AI界面助手时面临的选择权缺失问题。感兴趣的读者可以通过DOI链接https://doi.org/10.1145/3746059.3747797访问完整论文。

现代生活中，我们每天都在与各种数字界面打交道，从购物网站到社交媒体，从办公软件到娱乐应用。对于视力正常的用户来说，这些操作可能轻而易举，但对于盲人和低视力用户而言，每一次点击、每一个选择都可能是一场挑战。近年来，人工智能界面助手的出现似乎为这个问题带来了希望——用户只需说出需求，AI就能自动完成复杂的操作任务。然而，研究团队发现了一个被普遍忽视却至关重要的问题：当AI为了效率而自动做出选择时，用户反而失去了表达个人偏好的机会。

设想这样一个场景：当你告诉AI助手"帮我买最便宜的气泡水"时，它确实找到了价格最低的商品并完成了购买，看似完美地执行了任务。但你却永远不知道，在相同价格的选项中，还有你更喜欢的口味，或者评分更高的品牌。AI的"贴心"自动化反而剥夺了你做出个性化选择的权利。这种现象在盲人用户群体中尤为突出，因为他们无法像视力正常的用户那样快速浏览界面，发现AI忽略的其他可能性。

为了深入理解这个问题，研究团队首先进行了一项为期一周的田野调查，邀请四位盲人和低视力用户在日常生活中使用现有的AI界面助手。结果令人震惊：在需要暂停询问用户偏好的情况下，95%的用户根本没有意识到还有其他选择存在。用户们完成了看似成功的任务，却错过了更符合个人需求的选项。这就像是有人代替你点餐，虽然最终上了一道菜，但你永远不知道菜单上其实还有你更喜欢的其他菜品。

基于这些发现，研究团队开发了一个名为"Morae"的智能界面助手。Morae这个名字来源于拉丁语中的"mora"（时间单位），象征着在自动化过程中适时的暂停。与传统的AI助手不同，Morae具备一种类似"察言观色"的能力——它能够智能识别什么时候应该停下来询问用户的偏好，什么时候可以继续自动执行任务。

研究团队将这种能力比作一位优秀的服务员。普通服务员可能会根据你的简单要求直接上菜，而优秀的服务员则会在关键时刻询问："您希望牛排几分熟？""需要搭配什么酱汁？"Morae正是这样一位"数字服务员"，它通过复杂的算法分析用户命令和界面状态，判断何时需要用户做出选择，何时可以继续自动化执行。

一、智能暂停的艺术：让AI学会"看眼色"

传统的AI界面助手就像一台高效但缺乏情商的机器，它们专注于快速完成任务，却往往忽略了用户可能存在的不同偏好。Morae的核心创新在于开发了一套"动态模糊选择验证"机制，这套机制就像给AI装上了一双善于观察的眼睛，让它能够识别什么时候需要征求用户意见。

这个机制的工作原理可以用一个简单的比喻来理解。当你走进一家餐厅，如果菜单上只有一道菜，服务员自然会直接为你下单。但如果有多道相似的菜品，或者菜品的某些关键信息（如辣度、分量）需要你来决定，聪明的服务员就会主动询问你的偏好。Morae正是模拟了这种人性化的判断过程。

在每个操作步骤中，Morae都会进行三个阶段的分析。第一阶段，它识别当前步骤是否属于"关键行动"——那些涉及用户定义偏好或需要重要界面细节的操作。就像在餐厅点餐时，选择主菜是关键行动，而递送餐具则不是。第二阶段，Morae会针对当前情况提出一系列内部验证问题，比如"是否存在多个符合用户要求的选项？""用户的命令是否存在歧义？"第三阶段，基于这些问题的答案，Morae决定是继续执行、暂停询问，还是需要收集更多信息。

这种智能判断并非简单的规则匹配，而是基于大型多模态模型（类似于能够同时理解文字和图像的高级AI系统）的复杂推理。Morae不仅能够分析用户的文字命令，还能"看懂"当前的界面状态，理解按钮、选项和内容的含义，就像一个既能听懂你说话又能看懂屏幕的智能助手。

研究团队特别强调，Morae的暂停决策并非随意为之，而是经过精心平衡的结果。过多的暂停会让用户感到烦躁，就像一个过分殷勤的服务员不停地打扰你用餐；过少的暂停则可能错过重要的选择机会，让用户错失更好的选项。通过对真实用户数据的深度分析，研究团队找到了这个平衡点，让Morae能够在恰当的时机提供恰当的选择。

更重要的是，当Morae识别到需要用户输入时，它不会简单地弹出一个冷冰冰的对话框，而是会动态生成一个直观友好的选择界面。这个界面会清晰地展示所有可用选项的关键差异，比如不同商品的价格、评分、特色等，让盲人用户能够通过屏幕阅读器轻松理解和选择。这就像是一位贴心的朋友，不仅告诉你有哪些选择，还详细解释每个选择的优缺点，帮助你做出最符合自己需求的决定。

二、真实世界的考验：AI助手在野外的表现

为了深入了解盲人和低视力用户在使用AI界面助手时的真实体验，研究团队设计了一项为期一周的田野调查。这项调查的独特之处在于，它不是在实验室的受控环境中进行，而是让参与者在日常生活中自然地使用AI助手完成各种真实任务。这种方法就像是让一位厨师在家庭厨房而非专业厨房中展示厨艺，能够更真实地反映实际使用效果。

四位参与者涵盖了不同的视力状况和职业背景，包括会计师、教师、软件工程师和学校行政人员。他们的年龄跨度从29岁到50岁，有些是先天性视力障碍，有些是后天获得性视力障碍。这种多样性确保了研究结果能够代表更广泛的用户群体。重要的是，所有参与者此前都没有使用过AI界面助手的经验，这让研究团队能够观察到最原始、最真实的用户反应。

在一周的时间里，研究团队收集到了638个独特的用户查询请求，涵盖了40个不同的网站和应用平台。这些请求就像一幅丰富的拼图，展现了盲人用户在数字世界中的真实需求和挑战。从网上购物到预订旅行，从编辑文档到管理日程，参与者们尝试用AI助手完成各种日常任务。

分析结果揭示了一个令人深思的现象。在所有的有效查询中，约有5%的请求是AI助手根本无法完成的——就像是顾客在中餐厅要求制作意大利面，需求本身就不匹配。但更值得关注的是，在看似"成功完成"的任务中，实际上有相当一部分存在问题。研究团队发现，19%的任务存在用户偏好不明确的情况，比如用户要求预订酒店但没有指定日期、房型或预算范围。另外13%的任务虽然用户需求明确，但存在多个同样符合要求的选项，AI助手往往会随意选择其中一个，而不会向用户展示其他可能更合适的选择。

更令人担忧的是用户的认知盲区。在后续访谈中鼎冠策略，研究团队发现95%的用户完全没有意识到在那些看似成功的任务中，其实还存在其他可能更符合他们需求的选择。这种现象就像是一个人委托朋友代为购买生日礼物，朋友确实买到了符合预算的礼物，但购买者从未了解到商店里其实还有很多其他更有趣、更合适的选项。

这种认知盲区的形成有其深层原因。对于盲人和低视力用户而言，探索和理解复杂的数字界面本身就是一个挑战。当AI助手承诺能够自动完成这些复杂任务时，用户自然会选择信任和依赖这种便利。然而，这种便利的代价是选择权的丧失。用户可能永远不会知道自己错过了什么，就像是一个人从未离开过自己的小镇，因此也无法想象外面世界的精彩。

研究团队还发现，即使在任务成功完成的情况下，用户对于AI助手的行为过程往往缺乏清晰的理解。AI助手的操作对他们来说就像是一个黑盒子——输入需求，得到结果，但中间的过程完全不透明。这种不透明性不仅降低了用户的控制感，也增加了出错时的困惑和挫折感。

基于这些发现，研究团队总结出了五个关键的设计原则，为开发更好的无障碍AI界面助手指明了方向。这些原则强调了在自动化和用户控制之间找到平衡的重要性，就像是在效率和人性化之间搭建一座桥梁，让技术真正服务于人的需求。

三、Morae的技术魔法：让机器理解人心

Morae的技术核心就像是一个多才多艺的管家，它不仅能够理解主人的指令，还能观察环境变化，在恰当的时机提供恰当的建议。这种能力的实现依赖于几个相互配合的技术组件，它们共同构成了一个智能决策系统。

最关键的组件是"动态模糊选择验证"机制。这个机制的工作方式可以比作一位经验丰富的导购员。当顾客说"我想要一台笔记本电脑"时，导购员不会立即推荐第一台看到的电脑，而会先评估这个需求的模糊程度。如果顾客进一步说"用来办公，预算5000元"，需求就变得更加明确。但如果有多台电脑都符合这个条件，聪明的导购员就会询问："您更看重轻薄便携还是性能强劲？"或者"您对屏幕尺寸有特别要求吗？"

Morae的算法模拟了这种人性化的判断过程。在每个操作步骤中，它都会分析当前的状况：用户的原始命令是什么？当前界面展示了哪些选项？之前已经执行了哪些操作？基于这些信息，Morae会生成一系列内部验证问题，比如"是否存在多个符合条件的选项？""用户的偏好是否足够明确？""当前显示的信息是否足够用户做出明智选择？"

这种内部对话过程是Morae智能的体现。它不是简单地按照预设规则执行，而是在每个步骤都进行复杂的推理判断。就像一个人在做决定时会在心里权衡各种因素一样，Morae也会"思考"当前情况是否需要用户介入。

当Morae判断需要用户参与决策时，它不会简单地抛出一个问题就停止工作，而是会动态生成一个专门定制的交互界面。这个界面就像是一个贴心的比较购物助手，它会清晰地展示所有可选项的关键差异。比如，当用户要求购买"评分最高的啤酒"而发现有多款啤酒评分相同时，Morae会生成一个界面，展示这些啤酒的不同特点：品牌、口味、酒精度、价格等，让用户能够基于这些详细信息做出选择。

更重要的是，这个交互界面专门为屏幕阅读器用户进行了优化。屏幕阅读器是盲人用户访问数字内容的主要工具，它会将屏幕上的文字转换为语音播报。Morae生成的界面采用了清晰的结构化布局，使用适当的标题层级和标签，确保屏幕阅读器能够以逻辑顺序播报信息，用户可以轻松地在不同选项之间导航和比较。

除了视觉界面优化，Morae还提供了丰富的音频反馈机制。就像是一个有声的操作指南，Morae会在执行每个操作时提供相应的音频提示：点击按钮时有点击声，输入文字时有打字声，遇到需要用户选择的情况时有专门的提示音。这种多感官的反馈机制帮助用户保持对整个过程的掌控感，就像是在黑暗中行走时，脚步声和环境音帮助我们了解周围情况一样。

另一个重要特性是Morae的学习能力。它不仅能回答界面相关的问题，比如"这个网站上有哪些功能可用？"，还能提供具体的操作指导，包括针对不同屏幕阅读器的特定快捷键建议。当用户询问"如何在Gmail中查找最近的邮件？"时，Morae不仅会解释步骤，还会根据用户使用的屏幕阅读器（如NVDA、JAWS或VoiceOver）提供相应的键盘快捷键。这就像是一个既懂技术又了解用户工具的私人导师，能够提供最贴心实用的指导。

四、数字实验室里的较量：Morae与其他AI助手的终极对决

为了验证Morae的实际效果，研究团队设计了一场严格的技术对比测试。这场测试就像是让不同的厨师使用相同的食材和厨具，在相同的条件下制作菜肴，然后比较最终的成果质量。测试涵盖了256个不同的任务，跨越了8种不同类型的用户界面，确保了评估的全面性和公正性。

测试中的"选手"包括了几种不同的方法。最基础的是简单提示方法，就像给厨师一张简单的食谱，告诉他们"在不确定的时候问问客人"。稍微复杂一点的是"首步验证"方法，类似于厨师在开始烹饪前就询问客人的所有偏好。更进一步的是"逐步验证"方法，厨师会在每个烹饪步骤中都考虑是否需要征询客人意见。而Morae采用的"综合规划验证"方法则像是一位经验丰富的主厨，既有整体的烹饪计划，又能在关键时刻灵活调整并询问客人偏好。

测试中最强劲的对手是OpenAI公司最新发布的Operator助手。这是目前业界公认的最先进的AI界面助手之一，专门针对用户界面操作进行了优化训练。将Morae与Operator进行比较，就像是让一位新晋厨师挑战米其林星级餐厅的主厨，挑战的难度可想而知。

测试结果令人印象深刻。Morae在综合任务成功率上达到了55.2%，比Operator的53.1%高出了2.1个百分点。虽然这个差距看起来不大，但在需要暂停询问用户偏好的任务中，Morae的优势更加明显，成功率达到了65.6%，而Operator只有50.8%。这就像是在需要与客人互动的烹饪比赛中，善于沟通的厨师明显胜过了只专注于技术的厨师。

更重要的是暂停决策的准确性。研究团队发现，Morae在判断何时应该暂停询问用户方面表现出了更高的智能。它的准确率（precision）达到了59.7%，召回率（recall）达到了69.8%鼎冠策略，综合F1分数为64.4%。这些数字背后的含义是：Morae既避免了过多的不必要打扰，又较少错过真正需要用户参与的关键决策时刻。

这种平衡的重要性不能被低估。过多的暂停会让用户感到烦躁，就像一个过分谨慎的助手不停地询问每个细节，最终让人不胜其烦。过少的暂停则可能错过重要选择，让用户失去表达偏好的机会。Morae通过精密的算法实现了这种微妙的平衡，就像一位经验丰富的服务员，能够准确判断何时应该主动询问，何时应该安静执行。

测试还揭示了一个有趣的现象：传统的"越多验证越好"的想法在实际应用中并不成立。那些在每个步骤都进行验证的方法虽然理论上更加谨慎，但在实际使用中反而效果不佳。这是因为过早的验证可能缺乏足够的上下文信息，就像在还没有看到完整菜单时就询问客人的偏好一样，往往得不到有效的答案。Morae的智能之处在于它知道何时收集足够信息，何时进行有效询问。

研究团队特别强调，这些测试都是在真实的网络环境中进行的，而不是在简化的实验室环境中。这意味着Morae需要处理真实网站的复杂性、不可预测性和多样性，就像一位厨师需要在真实的厨房环境中工作，而不是在完美控制的演示厨房中。这种真实环境的测试结果更能说明Morae在实际应用中的可靠性和有效性。

五、真实用户的声音：当盲人朋友遇到Morae

技术指标只是故事的一面，真正重要的是真实用户的体验感受。研究团队邀请了10位盲人和低视力用户参与了一场深度的用户体验研究，这场研究就像是让10位食客品尝不同厨师制作的菜肴，然后详细描述他们的感受和偏好。

参与者的背景十分多元化，年龄跨度从28岁到55岁，职业包括学生、客服专员、无障碍顾问和软件工程师。他们都有丰富的屏幕阅读器使用经验，对各种AI辅助工具也有一定了解，但此前都没有使用过AI界面助手。这种多样性确保了研究结果的代表性和可信度。

研究采用了交叉对比的方式，每位参与者都要使用三种不同的AI助手——TaxyAI、Morae和OpenAI Operator——完成相同的任务。这种设计就像是让同一位食客品尝不同厨师制作的同一道菜，能够清晰地比较出差异和优劣。任务涵盖了三个常用网站：购物网站Target、日程管理工具Google Calendar和文档编辑器Google Docs，每个网站都有三个不同的任务，总共九个任务确保了测试的全面性。

结果显示，用户对Morae的整体满意度明显高于其他两个助手。在7分制的评分中，用户给Morae的整体有用性评分达到了6.50分，而传统的TaxyAI只有3.20分，即使是先进的Operator也只有5.60分。更重要的是，用户表达了对Morae更强的使用信心，平均评分6.60分，这意味着他们愿意在日常生活中独立使用这个工具。

用户体验的改善体现在多个维度。首先是选择满意度的显著提升。参与者使用Morae时做出的选择平均有4.03个符合他们的实际偏好，而使用Operator时只有2.98个，使用TaxyAI时更是只有1.92个。这种差异就像是由专业定制师制作的衣服与批量生产服装之间的区别，前者能更好地满足个人的具体需求。

特别值得关注的是决策多样性的增加。研究团队通过"决策熵"这个指标来衡量用户选择的多样性程度。Morae用户的决策熵值达到1.58，而Operator用户只有0.86，TaxyAI用户更是只有0.22。这意味着使用Morae的用户能够做出更加个性化、更加符合自己独特偏好的选择，而不是被迫接受千篇一律的默认选项。

用户反馈中最常提到的优点是Morae的主动询问功能。一位参与者这样描述："在Target上选择评分最高的啤酒或查看产品详情时，Morae会清楚地描述所有可用选择，让我能够独立做决定，而不像Operator或TaxyAI那样代替我做选择，也不会详细解释和透露潜在的多重选择。"这种体验就像是有一位贴心的朋友在旁边，不是替你做决定，而是帮你了解所有选择，然后让你自己决定。

另一位参与者在谈到Google Calendar的使用体验时说："使用Morae管理日程细节很直观，我总是能清楚地知道哪些字段我还没有填写，或者应该从哪些选项中选择。通过那些引导我决策过程的交互界面，我可以更容易地选择我想要的，同时了解所有填写的默认值。"这种透明度让用户感到更有控制感，而不是被蒙在鼓里。

当然，用户也提出了一些改进建议。有参与者表示希望Morae能够提供更多关于AI决策信心的信息："我很欣赏Morae主动暂停让我做决定，但我希望AI能够分享它对建议选项的信心程度。一个信心分数或类似的提示会帮助我决定何时需要中断并自己探索界面。"这种反馈显示用户不仅希望有选择权，还希望了解AI的"思考过程"。

用户还建议增加个性化的暂停机制，以适应不同用户的偏好和能力水平。一位参与者解释道："就我个人而言，我很乐意让AI独立进行，但其他盲人用户可能由于监控挑战而更喜欢更频繁的暂停。一个让用户定义他们偏好的干预级别的功能将大大增强体验。"这种个性化需求反映了用户群体内部的多样性，也为未来的改进指明了方向。

在实时反馈方面，用户对Morae的音频提示系统给予了高度评价。每个操作步骤都配有相应的音频反馈，让用户能够实时了解AI的行为。一位参与者说："Morae通过音频提示清楚地告知我，每当我在Google Calendar中成功修改了日程，并明确确认每个步骤。而使用Operator时，我经常不确定我请求的更改是否真的生效了。"这种及时反馈建立了用户对系统的信任，减少了不确定性带来的焦虑。

用户还特别赞赏Morae针对不同屏幕阅读器提供的个性化指导。当询问如何执行特定任务时，Morae不仅会解释步骤，还会根据用户使用的屏幕阅读器类型提供相应的快捷键建议。一位参与者表示："当我询问AI如何在Google Docs中插入页码时，Morae明确地指导我完成每个步骤，并提供可能的快捷方式，而TaxyAI或Operator则让我猜测如果我自己完成任务应该采取什么行动。"

有趣的是，研究还发现了一个意外的好处：语言障碍的克服。一位参与者在使用中文网站时用波兰语发出命令，结果发现："我完全不会说中文，但当我用波兰语输入时，AI操作成功并用波兰语提供反馈！AI不仅让网站在视觉上变得可访问，还消除了语言障碍！"这种跨语言能力展现了AI技术在无障碍领域的巨大潜力。

六、未来的无限可能：从无障碍工具到通用解决方案

这项研究的意义远远超出了为盲人和低视力用户提供更好的AI助手这一直接目标。它实际上为整个人工智能领域提出了一个重要问题：在追求自动化效率的同时，我们如何确保用户仍然保持对自己选择的控制权？这个问题就像是在城市规划中平衡便利性和人性化一样，需要在技术进步和人文关怀之间找到恰当的平衡点。

研究团队指出，目前大多数AI界面助手的成功率都在30%到60%之间，这意味着仍有很大的改进空间。有趣的是，那些专门为无障碍用户设计的改进往往也能惠及普通用户。就像是专为轮椅用户设计的坡道也方便了推婴儿车的家长一样，让AI学会在关键时刻暂停询问用户偏好，对所有人都是有益的。

一个令人兴奋的发现是，当AI助手难以处理某个界面时，往往意味着该界面对人类用户来说也存在可用性问题。研究中的一位参与者观察到："有时AI就像屏幕阅读器一样工作。如果你让界面对我们这些屏幕阅读器用户可访问，你也很可能让AI更容易导航！"这种观察揭示了一个重要洞察：改善界面的无障碍性不仅有利于残障用户，也有利于AI系统的理解和操作。

这种协同效应开辟了一个新的研究方向：AI助手可以成为无障碍测试和可用性分析的工具。当AI在某个界面上遇到困难时，这可能提示该界面存在设计问题。反过来，提高界面对AI的友好程度也可能提高其对人类用户的友好程度。这就像是让机器人和人类共同使用同一个工具，在这个过程中，工具会变得对双方都更加友好。

研究团队还考虑了技术扩展的可能性。目前Morae主要在网页环境中工作，但其核心理念可以扩展到桌面应用程序、移动应用甚至物理设备的控制。通过整合更先进的视觉识别模型和更精确的界面理解能力，未来的系统可能能够处理更复杂、更多样化的用户界面。

另一个重要的发展方向是个性化学习。虽然Morae目前采用的是二元的暂停策略（暂停或继续），但研究团队设想了一个更精细的系统，能够根据每个用户的具体偏好和能力水平调整其行为。有些用户可能喜欢更多的控制和确认，而另一些用户可能更愿意信任AI的自动化决策。未来的系统可能能够学习和适应这些个人偏好，就像一位经验丰富的私人助理逐渐了解主人的习惯和偏好一样。

多轮偏好获取是另一个值得探索的领域。现实中的复杂任务往往涉及多个相互关联的决策点，用户的偏好可能会随着任务进展而变化。未来的系统需要能够处理这种动态性，在整个任务执行过程中维持与用户的持续对话，适应不断变化的需求和偏好。

研究还指出了扩大适用人群的可能性。虽然Morae最初是为盲人和低视力用户设计的，但其核心理念——在自动化过程中保持用户控制权——对其他类型的用户也有价值。认知障碍用户可能需要更简化的反馈和界面控制，运动障碍用户可能需要更灵活的交互方式。通过适当的定制，这种主动暂停和选择确认的机制可以惠及更广泛的用户群体。

技术发展的另一个方向是与现有辅助技术的深度整合。目前的系统主要与屏幕阅读器配合使用，但未来可以扩展到语音识别系统、眼动跟踪设备、触觉反馈设备等多种辅助技术。这种多模态的整合将为用户提供更丰富、更自然的交互体验。

最后，研究团队强调了这项工作的更广泛哲学意义。在人工智能日益普及的时代，我们需要思考的不仅仅是AI能够为我们做什么，还有我们如何确保自己在这个过程中不失去选择的权利和控制的能力。Morae代表了一种新的AI设计哲学：不是替代人类的判断，而是增强人类的能力，让每个人都能在享受自动化便利的同时，保持对自己生活的主动权。

说到底，这项研究最重要的贡献可能不是开发了一个更好的AI助手，而是提醒我们在技术进步的道路上不要忘记以人为本的初衷。当我们让机器变得更聪明时，我们的目标不应该是让人类变得多余，而是让每个人，无论其能力如何，都能更好地表达自己的意愿，做出符合自己需求的选择。

在这个AI技术飞速发展的时代，Morae为我们提供了一个重要的提醒：真正的智能不仅仅在于自动化的能力，更在于知道何时应该暂停，倾听人类的声音。这种智慧，或许正是我们在构建更加包容、更加人性化的技术世界时最需要的品质。对于那些希望深入了解这项技术细节和实施方法的研究者和开发者，完整的论文提供了详细的技术规范和实现指南，可以通过DOI链接https://doi.org/10.1145/3746059.3747797进行访问。

Q&A

Q1：Morae是什么？它和普通AI助手有什么区别？

A：Morae是卡内基梅隆大学等机构开发的智能界面助手，专门为盲人和低视力用户设计。它的最大特点是会在关键决策时刻主动暂停，询问用户偏好，而不像普通AI助手那样自动替用户做选择。比如购买商品时，如果有多个相同价格的选项，Morae会展示不同口味、品牌等信息让用户自己选择。

Q2：为什么需要让AI助手暂停询问用户，这不是降低了效率吗？

A：研究发现95%的盲人用户在使用传统AI助手时，完全不知道还有其他更好的选择。虽然暂停会花费更多时间（Morae平均129秒 vs 传统助手55秒），但用户能做出4.03个符合偏好的选择，而传统助手只有1.92个。这就像快餐和定制服务的区别，速度慢一点但结果更符合个人需求。

Q3：Morae如何判断什么时候该暂停询问用户？

A：Morae使用"动态模糊选择验证"机制，就像经验丰富的服务员。它会分析三个因素：当前操作是否涉及重要选择、是否存在多个符合条件的选项、用户命令是否足够明确。在技术测试中鼎冠策略，这种方法的准确率达到59.7%，召回率69.8%，既避免了过多打扰，又不会错过重要的选择时机。

红启网配资提示：文章来自网络，不代表本站观点。