LLM介导的领域特定语音代理：以TextileBot为例
人机交互
2025-02-05 v2
摘要
开发领域特定的对话代理（CAs）一直受到需要大量领域聚焦数据的挑战。大型语言模型（LLMs）的最新进展使其成为可行的知识骨干选项。LLMs的行为可以通过提示来增强，指示它们以零样本方式（即无需训练）执行下游任务。为此，我们将结构化知识融入提示中，并使用提示后的LLMs来原型化领域特定的CAs。我们在一个特定领域——纺织品循环性——中展示了一个案例研究：TextileBot，我们介绍了TextileBot的设计、开发和评估。特别地，我们进行了一项面对面的用户研究（N=30），包括与TextileBot的自由聊天和信息收集任务，以从交互中收集见解。我们结合定量和定性方法分析了人机交互。我们的结果表明，参与者参与了多轮对话，他们对三种变体代理及其各自交互的感知有所不同，证明了我们基于提示的LLM方法的有效性。我们讨论了这些交互的动态及其对未来基于语音的CAs设计的启示。
引用
@article{arxiv.2406.10590,
title = {LLM-Mediated Domain-Specific Voice Agents: The Case of TextileBot},
author = {Shu Zhong and Elia Gatti and James Hardwick and Miriam Ribul and Youngjun Cho and Marianna Obrist},
journal= {arXiv preprint arXiv:2406.10590},
year = {2025}
}
备注
Published at Behaviour and Information Technology Journal