CoQuest：基于LLM的智能体探索研究问题协同创建
人机交互
2024-03-22 v3 计算工程、金融与科学
摘要
开发新颖的研究问题（RQs）通常需要广泛的文献综述，尤其在跨学科领域。为通过人机协同创造支持研究问题开发，我们利用大语言模型（LLMs）构建了一个名为CoQuest的基于LLM的智能体系统。我们对20名HCI（人机交互）研究人员进行了实验，以考察两种交互设计的影响：广度优先与深度优先的研究问题生成。研究结果表明，参与者在任务完成后认为广度优先方法更具创造性和可信度。相反，在任务进行期间，参与者认为深度优先生成的研究问题更具创造性。此外，我们发现AI处理延迟使用户能够同时反思多个研究问题，从而生成更多数量的研究问题并增强控制感。我们的工作通过提出并评估人机协同创造研究问题的心智模型，做出了理论与实际双重贡献。我们也探讨了潜在的伦理问题，如偏见与对AI的过度依赖，主张将该系统用于提升人类科研创造力而非自动化科学探究。
引用
@article{arxiv.2310.06155,
title = {CoQuest: Exploring Research Question Co-Creation with an LLM-based Agent},
author = {Yiren Liu and Si Chen and Haocong Cheng and Mengxia Yu and Xiao Ran and Andrew Mo and Yiliu Tang and Yun Huang},
journal= {arXiv preprint arXiv:2310.06155},
year = {2024}
}
备注
Accepted to SIGCHI 2024