恰到好处：理解用户对个性化 LLM 增强叙事干预的认知
人机交互
2025-05-14 v4
摘要
关于克服个人挣扎的故事能够有效阐释心理学理论在现实生活中的应用，但它们可能无法与个体的经历产生共鸣。在本工作中，我们利用大语言模型（LLM）创建量身定制的叙事，以承认并应对个体面临的独特挑战性想法和处境。我们的研究在两种环境下涉及 346 名年轻成年人，结果表明，在传达关键启示、促进反思以及减少对消极想法的信念方面，个性化 LLM 增强的故事被认为优于人类撰写的故事。这些故事不仅被认为更具代入感，而且在真实性上与人类撰写的故事相当，突显了 LLM 在帮助年轻成年人应对挣扎方面的潜力。这项工作的发现为未来基于叙事的数字心理健康干预提供了关键的设计考量，例如需要在保持代入感的同时避免偏离至不可信的境地，并改进 AI 增强内容的措辞与语气。
引用
@article{arxiv.2409.16732,
title = {Perfectly to a Tee: Understanding User Perceptions of Personalized LLM-Enhanced Narrative Interventions},
author = {Ananya Bhattacharjee and Sarah Yi Xu and Pranav Rao and Yuchen Zeng and Jonah Meyerhoff and Syed Ishtiaque Ahmed and David C Mohr and Michael Liut and Alex Mariakakis and Rachel Kornfield and Joseph Jay Williams},
journal= {arXiv preprint arXiv:2409.16732},
year = {2025}
}