基于 LLM 的智能回复（LSR）：利用 ChatGPT 中介的智能回复系统提升协作绩效
人机交互
2024-03-06 v5
摘要
交互式用户界面日益探索 AI 在协作任务中提升沟通效率与生产率的作用。ChatGPT 等大语言模型（LLM）的出现革新了对话代理，采用先进深度学习技术生成具备上下文感知、连贯且个性化的回复。因此，基于 LLM 的 AI 助手在各种场景中提供更自然高效的用户体验。本文研究如何利用 LLM 模型提升协作职场中的工作效率。具体而言，我们提出一种基于 LLM 的智能回复（LSR）系统，利用 ChatGPT 在专业协作场景中生成个性化回复，同时基于先前的回复适应上下文与沟通风格。我们的两步流程包括生成初步回复类型（如同意、不同意）以为消息生成提供概括性方向，从而减少回复起草时间。我们开展了一项实验，参与者完成涉及 Dual N-back 测试与通过 Google 日历进行子任务调度的模拟工作任务，并与同事互动。我们的发现表明，所提 LSR 降低了由 NASA TLX 衡量的整体工作负荷，并提升了 N-back 任务中的工作表现与生产率。我们还基于参与者体验提供定性分析，以及设计考量，为改进此类实现提供未来方向。
引用
@article{arxiv.2306.11980,
title = {LLM-based Smart Reply (LSR): Enhancing Collaborative Performance with ChatGPT-mediated Smart Reply System},
author = {Ashish Bastola and Hao Wang and Judsen Hembree and Pooja Yadav and Zihao Gong and Emma Dixon and Abolfazl Razi and Nathan McNeese},
journal= {arXiv preprint arXiv:2306.11980},
year = {2024}
}