思考助手：基于LLM的对话助手，通过提问而非回答帮助用户思考
人机交互
2024-12-25 v4
摘要
许多AI系统只专注于提供解决方案或解释结果。然而，像研究和战略思维这样的复杂任务通常受益于更全面的方法来增强思维过程，而不是被动地获取信息。我们引入了“思考助手”的概念，这是一种新型助手，通过结合基于专家知识的反思性问题来帮助用户改进决策。通过我们的实验室研究（N=80），与仅提问、仅提供建议或两者都不做的对话代理相比，这些基于大型语言模型（LLM）的思考助手能更好地引导用户做出重要决策。基于这些结果，我们开发了一个学术职业发展领域的思考助手，用于确定研究轨迹或发展个人独特的研究身份，这需要深思熟虑、反思和相应的专家建议。在包含223次对话的纵向部署中，参与者对约65%的回复给出了积极回应。我们的工作为开发更有效的LLM代理提出了方向。与其遵循当前主流的生成确定性答案的权威方法，旨在辅助认知增强的LLM代理应优先促进反思。它们应首先通过提问来引发深思熟虑的回应，然后在更深入了解用户背景和需求后提供建议。
引用
@article{arxiv.2312.06024,
title = {Thinking Assistants: LLM-Based Conversational Assistants that Help Users Think By Asking rather than Answering},
author = {Soya Park and Hari Subramonyam and Chinmay Kulkarni},
journal= {arXiv preprint arXiv:2312.06024},
year = {2024}
}