分析日常决策对话中的人类启发式与策略：面向对话式 AI 设计
人机交互
2026-05-11 v1
摘要
对话式 AI 越来越多地支持日常决策，但大多数系统依赖数据驱动的推理，而非自然对话中人们使用的启发式与互动策略。为以实际人类实践为设计基础，我们分析了 955 段真实世界的韩语对话（15,476 句话），涉及食物与旅游决策，通过 LLM 辅助的编码管道应用决策编码表。我们的发现表明，人们优先考虑满足性而非最优化，严重依赖内部知识和互动策略以减轻认知负荷。关键地，我们识别出频率-效率不匹配：最常见的启发式在探索过程中维持对话流动，而不常见的基于规则的策略在开发阶段高度有效。通过映射这些模式在人类-AI 互动谱系中的转移，本工作提供与认知决策理论一致的实证依据，并为与人类启发式过程一致的 AI 系统设计提供了启发。
引用
@article{arxiv.2605.07789,
title = {Analyzing Human Heuristics and Strategies in Everyday Decision-Making Conversations for Conversational AI Design},
author = {Sora Kang and Soyun Jeon and Jinsu Eun and Kwangwon Lee and Chaerin Song and Minyoung Joo and Joonhwan Lee},
journal= {arXiv preprint arXiv:2605.07789},
year = {2026}
}
备注
CogSci 2026 (Annual Meeting of the Cognitive Science Society 2026)