OnGoal：用于大型语言模型多轮对话中跟踪和可视化对话目标
人机交互
2025-08-29 v1 人工智能
机器学习
摘要
随着与大型语言模型(LLM)的多轮对话变得更长更复杂，用户如何更好地评估和回顾其对话目标的进展？我们提出了OnGoal，一个LLM聊天界面，帮助用户更好地管理目标进度。OnGoal通过LLM辅助评估提供实时反馈，对评估结果提供示例解释和时间轴概览，使用户能够更有效地导航复杂的对话。在针对写作任务进行的20名用户研究中，我们将OnGoal与没有目标跟踪的基准聊天界面进行评估。使用OnGoal后，参与者在实现目标时花费的时间和精力更少，同时探索了新的提示策略来克服误交流，这表明跟踪和可视化目标可以增强LLM对话中的参与度和韧性。我们的发现启发了针对未来LLM聊天界面进行的设计启示，旨在改进目标沟通、降低认知负荷、增强互动性，并为改进LLM性能提供反馈。
引用
@article{arxiv.2508.21061,
title = {OnGoal: Tracking and Visualizing Conversational Goals in Multi-Turn Dialogue with Large Language Models},
author = {Adam Coscia and Shunan Guo and Eunyee Koh and Alex Endert},
journal= {arXiv preprint arXiv:2508.21061},
year = {2025}
}
备注
Accepted to UIST 2025. 18 pages, 9 figures, 2 tables. For a demo video, see https://youtu.be/uobhmxo6EIE