谁来道歉：LLM聊天机器人中烙印式、共情式与解释式道歉的用户偏好调查
人机交互
2025-07-04 v1
摘要
随着由大型语言模型（LLM）驱动的聊天机器人在日常场景中广泛部署，其通过有效道歉来恢复错误的能力对于维持用户信任和满意度至关重要。在一项预先登记的 Prolific 工作者（N=162）的实验中，我们检查了针对三类常见 LLM 错误（偏见、无依据捏造和事实错误）所发布的三种类型道歉（烙印式、解释式和共情式）的用户偏好。我们设计了一项配对实验，参与者评估聊天机器人响应，包括初始错误、随后的道歉以及解决方案。总体而言，解释式道歉受到青睐，但这种偏好因情境和用户而异。在偏见情境下，用户更倾向于共情式道歉，以承认情感影响；而在幻觉情境中，尽管被视为严重问题，却未引发明确偏好，这反映了用户的不确定性。我们的发现显示，AI 系统中有效道歉的复杂性。我们讨论了诸如个性化和校准等关键见解，表明未来系统必须驾驭这些因素才能有意义地修复信任。
引用
@article{arxiv.2507.02745,
title = {Who's Sorry Now: User Preferences Among Rote, Empathic, and Explanatory Apologies from LLM Chatbots},
author = {Zahra Ashktorab and Alessandra Buccella and Jason D'Cruz and Zoe Fowler and Andrew Gill and Kei Yan Leung and P. D. Magnus and John Richards and Kush R. Varshney},
journal= {arXiv preprint arXiv:2507.02745},
year = {2025}
}