任务支持与个性化的人-大语言模型交互：一项用户研究
人机交互
2024-02-12 v1 信息检索
摘要
大型语言模型（LLM）应用（如 ChatGPT）是用于在线信息查询（IS）和问题求解任务的强大工具。然而，用户在初始化和优化提示词时仍面临挑战，其认知障碍和偏见感知进一步阻碍了任务完成。这些问题反映了信息查询和交互式信息检索（IIR）领域内已被识别的更广泛挑战。为解决这些问题，我们的方法通过提示工程将任务上下文和用户感知整合到人-ChatGPT 交互中。我们开发了一个集成了支持功能的类 ChatGPT 平台，包括感知表达、提示词建议和对话解释。我们的一项用户研究结果表明，这些支持功能可帮助用户管理期望、降低认知负荷、更好地优化提示词并提高用户参与度。本研究增进了我们对设计基于 LLM 的主动且以用户为中心的系统的理解。它为评估人-LLM 交互提供了见解，并强调了对服务不足用户群体的潜在挑战。
引用
@article{arxiv.2402.06170,
title = {Task Supportive and Personalized Human-Large Language Model Interaction: A User Study},
author = {Ben Wang and Jiqun Liu and Jamshed Karimnazarov and Nicolas Thompson},
journal= {arXiv preprint arXiv:2402.06170},
year = {2024}
}