AwareLLM：面向提升生产力的自适应多模态生态系统用于个性化人机协作
人机交互
2026-05-12 v1
摘要
信息工作者的生产力显著受其认知状态和生理反应的影响。诸如 ChatGPT、Copilot 等 AI助手已成为知识密集型工作场所的核心组成部分。这些 AI助手利用预定义的用户偏好和聊天交互历史，局限于反应式交互，缺乏足够的适应性。因此，它们无法满足个体用户偏好，也无法适应其心理生理状态，削弱了潜在的生产力提升。为弥合这一差距，我们引入AwareLLM——一种新型多模态框架，集成自我中心视觉、瞳孔测距、眼动追踪、姿态检测、心率活动以及大语言模型（LLM）的推理能力，以创建自主且情境感知的生态系统。AwareLLM 动态适应用户的心理生理状态，同时分析时间模式和行为倾向，提供个性化且时效的干预。我们通过 20 名参与者的用户研究对AwareLLM进行评估，将其与标准 LLM 助手进行比较。我们的结果显示，在任务性能、认知疲劳和精神需求方面均实现了统计显著的改善。参与者描述AwareLLM的个性化干预是及时且相关的，帮助他们提升信心并加深对工作的参与度。AwareLLM 开启了人机协作的新方向，技术适应我们的需求而非我们服从技术限制。
引用
@article{arxiv.2605.09625,
title = {AwareLLM: A Proactive Multimodal Ecosystem for Personalized Human-AI Collaboration to Enhance Productivity},
author = {Amog Rao and Utkarsh Agarwal and Amol Harsh and Siddharth Siddharth},
journal= {arXiv preprint arXiv:2605.09625},
year = {2026}
}