Sasha：基于大语言模型的智能家居创造性目标导向推理

智能家居助手在用户指令直接且明确（例如“打开厨房灯”）或是由硬编码例程指定响应时表现最佳。然而，在更自然的交流中，人类言语不受约束，常描述目标（例如“让这里舒适些”或“帮我节能”）而非指明具体的目标设备及其操作。当前系统无法理解这些欠指定指令，因为它们不能针对与人类情境相关的设备和设置进行推理。我们将大语言模型（LLMs）引入该问题领域，探索其用于响应智能家居中欠指定用户指令以控制设备和创建自动化例程。我们通过一项年龄多样化用户的调查研究，实证分析了 LLM 所生成行动计划的基线质量与失败模式。我们发现 LLM 能够创造性推理以达成具有挑战性的目标，但也存在削弱其实用性的失败模式。我们以 Sasha（一个更智能的智能家居助手）弥补这些不足。Sasha 通过执行计划来实现用户目标（例如利用可用设备营造氛围，或设计自动化例程），从而响应“让这里舒适些”或“帮我睡得更好”等松散约束指令。我们在一项动手用户研究中实现并评估了 Sasha，展示了 LLM 驱动的智能家居在面对无约束用户生成场景时的能力与局限。