InnerPond：多智能体方法以促进自我对话的内省
人机交互
2026-03-31 v1 人工智能
摘要
内省是身份建构和未来规划的核心任务，但大多数数字工具将自我视为统一实体。相反，对话式自我理论（Dialogical Self Theory, DST）将自我视为由多个内部视角组成的实体，如价值观、关切和愿望等，这些视角可能与之产生紧张或对话。基于此观点，我们设计了 InnerPond，一个以多智能体系统形式的研究探针，代表这些内部视角为独立的基于大语言模型的智能体进行内省。其设计通过迭代探索空间隐喻、交互脚手架和对话编排，最终形成一个用于组织和关联多个内部视角的共享空间环境。在一项针对 17 名年轻人职业选择的使用者研究中，参与者通过与 AI 共同构建内在声音、构筑关系内在景观并作为观察者和调解者进行对话来与该探针互动，为此类系统如何支持内省提供了洞见。总体而言，本工作为面向 AI 支持的内省工具的设计提供了启示，这些工具能够促进对自我多元性的探索。
引用
@article{arxiv.2603.27563,
title = {InnerPond: Fostering Inter-Self Dialogue with a Multi-Agent Approach for Introspection},
author = {Hayeon Jeon and Dakyeom Ahn and Sunyu Pang and Yunseo Choi and Suhwoo Yoon and Joonhwan Lee and Eun-mee Kim and Hajin Lim},
journal= {arXiv preprint arXiv:2603.27563},
year = {2026}
}
备注
25 pages, 10 figures, Proceedings of the 2026 CHI Conference on Human Factors in Computing Systems (CHI '26)