OmniFill：基于多面上下文的域无关表单填充建议系统
人机交互
2023-10-30 v1
摘要
预测性建议系统提供与上下文相关的文本输入补全。现有方法（如自动填充）通常在狭义定义的领域中表现出色，却无法泛化至任意工作流。我们引入了一个概念框架来分析特定建议上下文的复合需求，从而为大型语言模型（LLM）推断广泛域无关表单填充任务的建议带来独特机遇，这些任务此前方法难以触及。我们在 OmniFill 中探索了这些机遇，这是一个收集包括浏览与文本输入活动在内的多面上下文以构建 LLM 提示、并为任意结构化文本输入界面就地提供建议的原型。通过一项有 18 名参与者进行的用户研究，我们发现 OmniFill 提供了有价值的建议，并识别出刻画用户行为与态度的四个主题：一种“机会主义剪贴”方式；对系统的信任；部分成功的价值；以及对提示上下文可见性的需求。
引用
@article{arxiv.2310.17826,
title = {OmniFill: Domain-Agnostic Form Filling Suggestions Using Multi-Faceted Context},
author = {Timothy J. Aveni and Armando Fox and Björn Hartmann},
journal= {arXiv preprint arXiv:2310.17826},
year = {2023}
}
备注
14 pages, 5 figures