面向儿童热线培训的受控且自然的混合BDI-LLM对话智能体
人机交互
2025-09-23 v1
摘要
儿童热线培训常依赖于人工主导的角色扮演，这既耗时又浪费资源。为此，提出了基于规则的交互式模拟代理，以提供结构化的培训体验。然而，这些代理可能在语言理解和响应多样性方面存在局限。为克服这些限制，我们提出一种混合式交互式智能体，将大语言模型（LLM）集成到基于信念-欲望-意图（BDI）框架中，以模拟更真实的虚拟儿童聊天对话。该混合解决方案将LLM集成到三个组件中：意图识别、响应生成以及旁路机制。我们通过两项研究进行了评估：一种基于脚本的评估将LLM生成的响应与人工编写的响应进行比较，另一种在受试者N=37人的 within-subject 实验中将LLM集成的智能体与基于规则的版本进行比较。第一项研究提供了证据，表明三个LLM组件不亚于人工编写的响应。第二项研究我们发现，参与者将LLM集成的智能体视为更可信，报告的态度也更积极。此外，尽管效果较弱，但也获得了一些支持，表明参与者对该智能体的参与度有所提升（后验概率 = 0.845，95% HDI [-0.149, 0.465]）。我们的发现表明，将LLM集成到基于规则的系统中具有潜力，为构建更灵活但受控的培训系统指明了前景。
引用
@article{arxiv.2509.16784,
title = {Controlled Yet Natural: A Hybrid BDI-LLM Conversational Agent for Child Helpline Training},
author = {Mohammed Al Owayyed and Adarsh Denga and Willem-Paul Brinkman},
journal= {arXiv preprint arXiv:2509.16784},
year = {2025}
}