塑造人机协作：语言模型协同写作中不同层级的支架
人机交互
2024-02-20 v1 计算与语言
摘要
语言建模的进展为新颖的人机协同写作体验铺平了道路。本文探讨了大型语言模型 (LLMs) 提供的不同层级支架如何塑造协同写作过程。我们采用了一种受试者内现场实验，使用拉丁方设计，要求参与者 (N=131) 在三种随机排序的条件下回应论证性写作提示：无 AI 辅助 (对照)、下一句建议 (低支架) 和下一段建议 (高支架)。我们的研究结果揭示了支架对写作质量和生产力 (字数/时间) 的 U 型影响。虽然低支架并未显著改善写作质量或生产力，但高支架带来了显著改善，尤其使非定期写作者和技术熟练度较低的用户受益。在使用支架式写作工具时未观察到显著的认知负担，但注意到文本所有权和满意度适度下降。我们的结果对 AI 驱动写作工具的设计具有广泛意义，包括对个性化支架机制的需求。
引用
@article{arxiv.2402.11723,
title = {Shaping Human-AI Collaboration: Varied Scaffolding Levels in Co-writing with Language Models},
author = {Paramveer S. Dhillon and Somayeh Molaei and Jiaqi Li and Maximilian Golub and Shaochun Zheng and Lionel P. Robert},
journal= {arXiv preprint arXiv:2402.11723},
year = {2024}
}
备注
Appearing at CHI 2024 (Honolulu, HI)