ABScribe：利用大语言模型在人-AI 协同写作任务中快速探索与组织多种写作变体
人机交互
2024-03-28 v4 人工智能
机器学习
摘要
通过重写文本来探索替代想法是写作过程的核心环节。最先进的大语言模型（LLMs）可简化写作变体的生成。然而，当前界面在同时考量多个变体时存在挑战：生成新变体而不覆盖原文可能较为困难，而顺序粘贴又会令文档杂乱，增加工作负担并打断作者的思路。为此，我们提出 ABScribe，一种支持在人-AI 协同写作任务中快速且视觉结构化地探索与组织写作变体的界面。借助 ABScribe，用户可使用 LLM 提示快速修改变体，这些提示会自动转换为可复用按钮。变体相邻存储在文本字段中，通过弹出工具栏上的鼠标悬停交互即可进行快速原位比较。我们对 12 位作者开展的用户研究表明，与流行基线工作流相比，ABScribe 显著降低了任务工作负担（d = 1.20，p < 0.001），提升了用户对修订过程的感知（d = 2.41，p < 0.001），并提供了关于作者如何利用 LLMs 探索变体的见解。
引用
@article{arxiv.2310.00117,
title = {ABScribe: Rapid Exploration & Organization of Multiple Writing Variations in Human-AI Co-Writing Tasks using Large Language Models},
author = {Mohi Reza and Nathan Laundry and Ilya Musabirov and Peter Dushniku and Zhi Yuan "Michael" Yu and Kashish Mittal and Tovi Grossman and Michael Liut and Anastasia Kuzminykh and Joseph Jay Williams},
journal= {arXiv preprint arXiv:2310.00117},
year = {2024}
}
备注
CHI 2024