超越意外：从揭示未知到通过同伴推荐激发参与度

以意外为导向的推荐系统会让用户接触到不熟悉的物品，以 counter 过滤气泡，但仅仅的曝光并不确保用户会理解或欣赏他们遇到的内容。我们提出了同伴推荐（Peer Recommendation）框架，其中用户与 AI 代理（Peer）具有不同的偏好，共同探索不熟悉的内容。与传统对话式推荐系统不同，用户在此框架中既是推荐者也是接受者：用户和 Peer 通过基于聊天的对话互相推荐歌曲，共同构建共享播放列表。在一次探索性的 within-subjects 实验中（N=14），我们比较了三个条件：（1）亲密同伴（Close Peer），（2）疏远同伴（Distant Peer），以及（3）没有明确偏好轮廓的基线代理。结果显示，亲密同伴显著提升了用户对兴趣拓展和活动感知价值的程度，效果大小为中等至大型。疏远同伴在总体层面未显示出显著差异；然而，定性分析揭示了参与者反应差异，有些参与者强烈偏好疏远同伴。这些发现表明，推荐伙伴的“他者性”对于超越单纯曝光、实现真正参与至关重要，并且合适的偏好距离可能因个体而异，需要针对个体用户进行调整。