理解和支持基于AI生成问题的正式邮件交换
人机交互
2025-02-10 v2 人工智能
摘要
回复正式邮件耗时且需要认知资源，因为需要精心措辞并提供对发件人要求的恰当响应。虽然设计了基于大型语言模型（LLMs）的系统以简化邮件回复过程，但用户仍需要提供详细的提示才能获得预期输出。因此，我们提出并评估了一种基于LLM的问答（QA）方法，用户通过回答从邮件中生成的简单简短问题来回复邮件。我们开发了一个原型系统ResQ，并对其进行了控制实验和现场实验，分别邀请了12名和8名参与者。我们的结果表明，与需要用户精心设计提示以获得邮件草稿的传统方法相比，QA方法在提高邮件回复效率方面具有优势，同时能降低工作负担，同时保持邮件质量。我们讨论了QA方法如何影响邮件回复过程和人际关系动态，以及在AI中介的沟通中采用QA方法所带来的机会和挑战。
引用
@article{arxiv.2502.03804,
title = {Understanding and Supporting Formal Email Exchange by Answering AI-Generated Questions},
author = {Yusuke Miura and Chi-Lan Yang and Masaki Kuribayashi and Keigo Matsumoto and Hideaki Kuzuoka and Shigeo Morishima},
journal= {arXiv preprint arXiv:2502.03804},
year = {2025}
}