动态提示中间件：理解任务的情境化提示细化控制
人机交互
2024-12-04 v1 人工智能
摘要
对生成式AI进行有效提示对许多用户来说都具有挑战性，尤其是在表达理解任务（如解释电子表格公式、Python代码和文本段落）的上下文时。提示中间件旨在通过辅助提示构建来解决这一障碍，但用户在表达足够控制以获取符合其偏好的AI响应方面仍存在障碍。我们进行了一个为期n=38的形式化调查，调查用户对理解任务中AI生成解释控制需求，这发现了标准化但可预测支持与自适应但不可预测支持之间的权衡——后者针对用户和任务进行调整。为探索这一权衡，我们实现了两种提示中间件方法：动态提示细化控制（Dynamic PRC）和静态提示细化控制（Static PRC）。动态PRC方法会根据用户的提示和来自AI的用户需求生成特定于上下文的UI元素，以提供提示细化；静态PRC方法则提供一组通常适用的细化列表。我们对这两种方法进行了受控用户研究（n=16），以评估这些方法对为制作更好的解释而控制AI响应的影响。结果表明，用户更倾向于动态PRC方法，因为它提供了更多控制，降低了提供上下文的障碍，并鼓励了对任务的探索和反思，但对不同生成控制对最终输出影响的推理仍然具有挑战性。基于参与者反馈，我们讨论了未来动态PRC系统的设计注意事项，以增强用户对AI响应的控制。我们的发现表明，动态提示中间件可以通过提供更大的控制力度并引导用户获得更好的AI响应来改善生成式AI工作流程的用户体验。
引用
@article{arxiv.2412.02357,
title = {Dynamic Prompt Middleware: Contextual Prompt Refinement Controls for Comprehension Tasks},
author = {Ian Drosos and Jack Williams and Advait Sarkar and Nicholas Wilson},
journal= {arXiv preprint arXiv:2412.02357},
year = {2024}
}