基于 AI 代理的笔记本检查点保存大规模评估
人机交互
2025-04-03 v1
摘要
在交互式数据探索期间保存或检查点保存中间结果可潜在提升用户生产力。然而，现有研究受限于主要依赖小规模人类参与者实验的局限性，这是人类主体研究的根本约束。为克服这一限制，我们采用 AI 代理模拟大量复杂的数据探索场景，包括回溯到过去状态和分支进入新的探索路径。该策略使我们能够准确评估检查点保存的影响，同时紧密模拟真实世界数据实践者的行为。我们的评估结果显示，涉及超过 1,000 条探索路径和 2,848 个执行的代码块，计算笔记本的检查点保存框架确实通过最小化不必要的代码重新执行和冗余变量或代码来提升生产力。
引用
@article{arxiv.2504.01377,
title = {Large-scale Evaluation of Notebook Checkpointing with AI Agents},
author = {Hanxi Fang and Supawit Chockchowwat and Hari Sundaram and Yongjoo Park},
journal= {arXiv preprint arXiv:2504.01377},
year = {2025}
}
备注
Extended Abstracts of the CHI Conference on Human Factors in Computing Systems, 2025, Yokohama, Japan