类人多用户智能体（HUMA）：用于群聊天的拟人化AI主持人设计

基于大型语言模型（LLM）构建的对话智能体日益增多，但大多数系统设计用于一对一、轮次式交互，而非自然的、非同步的群体聊天。随着AI助手在数字平台（如虚拟助手、客服）中的广泛应用，开发自然且符合人类习惯的交互模式对于维持用户信任和参与度至关重要。我们提出类人多用户智能体（HUMA），一种基于LLM的群聊天主持人，采用人类策略和时机参与多方对话。HUMA扩展了现有多用户聊天机器人工作，采用事件驱动架构处理消息、回复、表情符号，并引入真实的响应时间模拟。HUMA由三个组件构成——路由器、行动智能体和反思——整合LLM以适应群体对话动态。我们在四人角色扮演聊天中对HUMA进行受控研究，纳入97名参与者，比较AI与人类社区经理（CM）。结果显示，参与者在两种条件下将CM分类为人类者接近机率，表明他们无法可靠地区分HUMA智能体与人类。主观体验在两种条件下相当：社区经理效果、社交存在感和参与度/满意度仅有微小差异且效应大小小。我们的研究表明，在自然的群体聊天环境中，AI主持人能够匹配人类水平，同时难以被识别为非人类。