从用户言语中读取心灵：关于基于大语言模型的共情心理推断的探讨
人机交互
2024-03-21 v1 计算与语言
摘要
在以人为中心的设计中， developing a comprehensive and in-depth understanding of user experiences，即共情理解，对设计真正满足人类需求的产品至关重要。然而，当今仍面临着准确把握大规模人群真实潜在心理状态的挑战。这种困难主要源于用户体验研究的深度与规模之间的权衡：从小组用户那里获得深入见解难以扩展到更大的群体，反之亦然。本文探讨了使用大语言模型 (LLM) 执行心理推断任务的可能性，具体是推断用户潜在目标和基本心理需求 (FPNs)。收集了来自人类用户和设计师的基线和基准数据集，以开发衡量 LLM 心理推断性能的共情准确度指标。实验结果表明，LLM 在推断不同 LLM 的目标和 FPNs 的共情准确度，与人类设计师的性能相当，这为通过整合先进人工智能技术来增强共情设计方法的可扩展性提供了前景。本工作有望显著增强设计师在以人为中心设计期间可利用的工具箱，使其能够开发对用户体验的大规模和深入理解。
引用
@article{arxiv.2403.13301,
title = {Reading Users' Minds from What They Say: An Investigation into LLM-based Empathic Mental Inference},
author = {Qihao Zhu and Leah Chong and Maria Yang and Jianxi Luo},
journal= {arXiv preprint arXiv:2403.13301},
year = {2024}
}
备注
Submitted to IDETC-CIE2024