Influence of Personality and Communication Behavior of a Conversational Agent on User Experience and Social Presence in Augmented Reality
TU Berlin（柏林工业大学）；German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）；Hamm-Lippstadt University of Applied Sciences（哈姆-利普施塔特应用科技大学）
该研究针对AR对话智能体人格与非言语行为的影响机制不明确的问题，通过30名用户与两种人格、两种肢体语言的虚拟助手的交互实验，证实智能体表征、幽默感及肢体语言对用户体验与社会存在感存在显著影响。
2024-03-14 cs.HC
seneca: A Personalized Conversational Planner
Technical University of Munich（慕尼黑工业大学）
本文提出seneca，一种结合对话代理、持久数据库和处理器的个性化AI规划框架，旨在解决现有工具在持续自我调节、优先级设定和反思方面的不足。
2026-04-21 cs.HC
Towards Aligning Personalized Conversational Recommendation Agents with Users' Privacy Preferences
本文指出传统隐私管理与动态AI智能体存在不匹配，主张智能体应主动对齐用户隐私偏好。以个性化对话推荐智能体为例，提出基于CI和Privacy Calculus理论的概念框架，将对齐问题转化为通过反馈学习偏好，并利用对齐与Pareto优化平衡隐私与效用，最后探讨了潜在应用及五个挑战。
2025-08-11 cs.HC
Exploring the Impact of Personality Traits on Conversational Recommender Systems: A Simulation with Large Language Models
Chinese University of Hong Kong（香港中文大学）；National University of Singapore（新加坡国立大学）；Singapore Management University（新加坡管理大学）；Hong Kong Baptist University（香港浸会大学）；Huazhong University of Science and Technology（华中科技大学）
针对人格特质对对话推荐系统结果的影响问题，提出基于LLM的人格感知用户模拟系统PerCRS，通过带定制化人格的用户智能体与具说服能力的系统智能体模拟真实交互，实验验证LLMs可生成符合特质的用户响应并推动系统动态调整策略，为该领域提供实证见解。
2025-04-09 cs.CL cs.HC
From Fixed to Flexible: Shaping AI Personality in Context-Sensitive Interaction
The University of Sydney（悉尼大学）；Nanjing University of Information Science and Technology（南京信息工程大学）；University of New South Wales（新南威尔士大学）；University of Melbourne（墨尔本大学）
研究探讨用户期望如何在动态调整AI个性时形成和演变，通过混合方法研究发现，情境敏感性影响个性配置轨迹，提升用户信任和拟人化感知。
2026-05-08 cs.HC
The influence of persona and conversational task on social interactions with a LLM-controlled embodied conversational agent
University of Regensburg（雷根斯堡大学）
本研究通过虚拟现实实验，发现LLM控制的具身智能体的外向人格能提升用户的社会评价、情绪体验和参与度，且LLM帮助能增强用户信心。
2024-11-08 cs.AI cs.HC
The Use of Multiple Conversational Agent Interlocutors in Learning
本文探讨利用大型语言模型模拟多个对话智能体角色，以在教育环境中协助和增强用户学习，并讨论相关先前工作与示例场景。
2023-12-27 cs.HC
PACE: Persona Adaptation through Conversational Elicitation in Human-Robot Interaction
Macquarie University（麦考瑞大学）；NVIDIA（英伟达）
研究如何让类人机器人有可适应角色，提出PACE框架，通过用户问答动态生成角色，经提高结构化提示，经系统集成转化为行为，实证评估显示其对人机交互多方面有积极影响，为部署个性化等身份开辟途径。
2026-10-09 cs.HC cs.RO
PlanFitting: Personalized Exercise Planning with Large Language Model-driven Conversational Agent
University of Washington（华盛顿大学）；NAVER AI Lab（NAVER人工智能实验室）
本研究针对个性化运动计划制定成本高、难获取的问题，提出由大语言模型驱动的对话智能体PlanFitting，通过自由对话挖掘用户需求以生成符合运动指南的个性化周计划，经多维度评估验证其有效性，并探讨了未来设计方向。
2025-05-19 cs.AI cs.CL cs.HC
Affective Conversational Agents: Understanding Expectations and Personal Influences
Microsoft Research（微软研究院）；Microsoft（微软）
通过调查745名受访者对32个场景下AI智能体情感技能的期望与偏好，发现所需情感能力高度依赖应用语境，受情绪重评和人格特质影响，强调设计需具备适应性与情境感知。
2023-10-19 cs.AI cs.HC
HumAIne-Chatbot: Real-Time Personalized Conversational AI via Reinforcement Learning
Department of Digital Systems University of Piraeus（数字系统系希腊比雷埃克斯大学）；HEI-Lab University Lusofona/Immersive Lives（HEI实验室卢斯福纳大学/沉浸生活）
针对现有对话系统缺乏个性化的问题，提出HumAIne-chatbot，通过GPT虚拟人设预训练和在线强化学习动态建模用户画像，实现实时个性化对话，实验表明显著提升满意度与任务完成度。
2025-09-24 cs.AI cs.HC
A Case Study in Engineering a Conversational Programming Assistant's Persona
IBM Research AI（IBM研究院人工智能部门）；IBM Argentina（IBM阿根廷公司）
程序员助手是一个实验性的原型软件开发环境，它集成了聊天机器人和代码编辑器。会话能力是通过使用现有的代码流畅的大语言模型并向其提供建立会话交互模式、一组约定和适合于应用程序的交互风格的提示来实现的。对提示演变的讨论提供了一个案例研究，说明如何引导现有的基础模型以特定应用程序所需的方式运行。
2023-01-13 cs.AI cs.CY cs.HC
Towards Persona-Based Empathetic Conversational Models
Alibaba-NTU Singapore Joint Research Institute（阿里巴巴-南洋理工大学新加坡联合研究院）；Alibaba Group（阿里巴巴集团）
移情会话模型已被证明可以在许多领域提高用户满意度和任务结果。在心理学中，人物角色被证明与人格高度相关，而人格又反过来影响同理心。此外，我们的实证分析还表明，人物角色在移情会话中起着重要的作用。为此，我们提出了一个新的任务，对基于人物角色的移情会话，并提出了第一个实证研究的影响人物角色的移情反应。具体来说，我们首先提出了一个新的大规模多域数据集的基于人物角色的移情对话。然后，我们提出了CoBERT，一个有效的基于BERT的响应选择模型，它在我们的数据集上获得了最先进的性能。最后，我们进行了广泛的实验，以探讨影响的人物角色的移情反应。值得注意的是，我们的研究结果表明，当CoBERT接受移情对话训练时，人物角色比非移情对话更能提高移情反应，从而在人类对话中建立了人物角色与移情之间的经验联系。
2020-11-19 cs.AI cs.CL cs.HC
Personas Evolved: Designing Ethical LLM-Based Conversational Agent Personalities
Northeastern University（东北大学）；University of Luxembourg（卢森堡大学）；University of Bremen（不来梅大学）
针对基于大语言模型的对话代理人格引发的伦理问题，本研讨会旨在通过跨学科对话，制定伦理准则与框架，以促进透明、包容且以用户为中心的交互设计。
2025-02-27 cs.AI cs.HC cs.LG
A Low-Code Approach for the Automatic Personalization of Conversational Agents
Luxembourg Institute of Science and Technology（卢森堡科学与技术研究所）；University of Luxembourg（卢森堡大学）
通过系统文献综述，研究MDE领域用户建模现状，发现现有提案分散且维度覆盖有限，提出应建立统一可重用用户模型并利用ML自动推导用户画像以实现个性化。
2026-06-25 cs.HC cs.SE
Building Better AI Agents: A Provocation on the Utilisation of Persona in LLM-based Conversational Agents
University of Cambridge（剑桥大学）；King’s College London（伦敦国王学院）；Universitat Politecnica de Valencia（瓦伦西亚理工大学）
本文探讨了在基于LLM的对话智能体中运用人格的理据、关键应用与伦理挑战，强调细致整合、一致性维护及领域知识补充的重要性。
2024-05-26 cs.AI cs.CY cs.HC
The Bots of Persuasion: Examining How Conversational Agents' Linguistic Expressions of Personality Affect User Perceptions and Decisions
Delft University of Technology（代尔夫特理工大学）
研究探讨了对话代理通过语言表达的人格如何影响用户在慈善捐赠中的感知和决策，发现人格特征显著影响用户信任和捐赠行为。
2026-02-19 cs.AI cs.HC
Evaluating Trust in the Context of Conversational Information Systems for new users of the Internet
大多数在线信息源都是基于文本的，并且使用英语等西方语言。然而，许多新的和第一次使用互联网的用户都是在英语水平较低的情况下，无法在线访问重要信息。一些研究人员专注于为这一人群建立基于语音的会话信息系统，并强调了建立对信息源的信任的重要性。在这项工作中，我们在Google Assistant平台上开发了四个版本的基于语音的聊天机器人，其中我们改变了机器人的性别，友好性和个性化。我们发现，用户对女性版本的机器人进行了更多的个性化排名;然而，当单独对机器人进行评级时，评级取决于机器人理解用户口头查询并准确响应的能力。
2021-11-26 cs.HC
Personalized to Persuade: The Effects of Contextualization and Warmth on Trust and Reliance in Conversational AI
Amsterdam University of Applied Sciences（阿姆斯特丹应用科学大学）；University of Leiden（莱顿大学）
通过2x2被试间实验（N=380），研究情境化与对话温暖如何交互影响AI助手在反驳专家建议时的说服力与用户依赖，发现情境化降低说服力但与温暖结合通过交叉交互恢复，且AI素养解耦信任与行为。
2026-11-04 cs.AI cs.HC
Behavior-Adaptive Conversational Agents: Toward a Fluid Personality Framework
Northeastern University（东北大学）
提出流动人格框架，根据任务上下文、用户目标和情境紧迫性，动态调整代理的隐喻角色和人格表达强度，以提升用户信任和体验。
2026-07-02 cs.AI cs.CL cs.HC
Vibe Check: Understanding the Effects of LLM-Based Conversational Agents' Personality and Alignment on User Perceptions in Goal-Oriented Tasks
Northeastern University（东北大学）
本研究探讨了对话代理性格表达水平和用户与代理性格对齐如何影响用户在目标导向任务中的感知，发现中等表达水平在多个维度上表现最佳，性格对齐进一步提升了结果，尤其在外向性和情绪稳定性和方面影响显著。
2026-04-29 cs.AI cs.CL cs.HC
Designing for Adolescent Voice in Health Decisions: Embodied Conversational Agents for HPV Vaccination
Northeastern University（东北大学）；Tufts Medical Center（塔夫茨医学中心）
本文提出了一种针对青少年和父母的HPV疫苗接种决策干预措施，通过具身对话代理提升青少年的参与度和自主性。
2026-03-05 cs.HC
Explanations as Dialogues: Toward Human-Centered Conversational Explainable AI
Georgia Institute of Technology（佐治亚理工学院）；Northeastern University（东北大学）
本文提出解释应被视为动态对话而非静态产物，强调时机、语气、角色和对话历史对解释效果的关键作用，并展望以人为中心的对话式可解释人工智能（HC2XAI）。
2026-05-26 cs.HC
Virtual Buddy: Redefining Conversational AI Interactions for Individuals with Hand Motor Disabilities
针对手部运动障碍个体操作对话式人工智能的困难，提出Virtual Buddy原型，通过创建多智能体角色实现一对多交互，减少持续数据输入，从而丰富该群体的交互体验。
2024-11-12 cs.HC
Towards Personalized Dialog Policies for Conversational Skill Discovery
Amazon Alexa（亚马逊Alexa）
许多企业和消费者正在扩展基于语音的服务的功能，例如Amazon Alexa，Google Home，Microsoft Cortana和Apple Siri，以创建自定义语音体验（也称为技能）。随着这些体验的增加，一个关键问题是发现可用于解决用户请求的技能。在本文中，我们专注于会话技能发现，并提出了一个会话代理，从事与用户的对话，以帮助他们找到满足他们需求的技能。为此，我们从基于规则的代理开始，并通过使用强化学习对其进行改进。通过这种方式，我们使代理能够适应不同的用户属性和会话风格，因为它与用户交互。我们评估我们的方法在一个真正的生产环境中部署的代理与真实的用户进行交互，并显示对话代理的有效性，帮助用户找到他们的要求服务的技能。
2019-11-15 cs.AI cs.CL cs.HC
User Experience with LLM-powered Conversational Recommendation Systems: A Case of Music Recommendation
本研究通过12名参与者为期三周的音乐推荐日记研究，探究大语言模型驱动的对话式推荐系统的独特用户体验，发现其可帮助明确隐性需求、支持探索及深化音乐偏好认知，为个性化用户驱动推荐的设计提供了新方向。
2025-02-24 cs.HC
Let's Get Personal: Personal Questions Improve SocialBot Performance in the Alexa Prize
University of California, Santa Cruz（加州大学圣克鲁兹分校）
人们越来越关注在口语对话社区中创建会话开放域对话系统。与传统的对话系统不同，这些对话系统不能假设任何特定的信息需求或域限制，即，唯一的固有目标是与用户就未知的主题集合进行交谈。虽然自然语言理解（NLU）的大规模改进和可用知识资源的增长可以部分支持强大的对话，但这些对话通常缺乏两个相互认识的人之间的融洽关系。我们开发了一个强大的开放域会话系统Athena，真正的Amazon Echo用户可以在Alexa Prize竞赛的背景下大规模访问和评估。我们实验的方法，旨在增加雅典娜和用户之间的亲密关系，通过开发一个基于规则的用户模型，个性化的当前和随后的对话和评估具体的个人意见问题的策略，在A/B研究。我们的研究结果表明，采用这些策略时，感知的对话质量和长度的统计显着的积极影响。
2023-03-09 cs.CL cs.HC
Same Stories, Different Journeys: Exploring Persona-Grounded Conversational Agents for Supporting Career Exploration with Peers' Posts
Sun Yat-sen University（中山大学）
研究针对年轻求职者在社交媒体职业探索时被动浏览的问题，开发JobMate交互式系统，将真实帖子转化为对话式AI代理，通过对比研究发现其能引导社会比较转向建设性自我重构并促进意义建构，还探讨了相关AI系统设计启示。
2026-09-24 cs.AI cs.HC
Conversational Planning for Personal Plans
Google DeepMind（谷歌DeepMind）；Google（谷歌）
本文提出一种以LLM为元控制器、工具增强选项策略执行宏动作的对话式规划架构，用于长期个人计划的适应性规划，并应用于辅导和健康教练场景。
2025-02-26 cs.AI cs.CL cs.HC
Empathic AI Painter: A Computational Creativity System with Embodied Conversational Interaction
Simon Fraser University（西蒙弗雷泽大学）
越来越多的人认识到，艺术家使用有价值的方式来理解和利用认知和感知机制来传达他们创作的艺术作品中所期望的体验和叙述（DiPaola等人，2010; Zeki，2001）。这篇论文记录了我们对肖像画家的创作过程进行计算建模的尝试，肖像画家依赖于对人类特征的理解（即，我们的系统包括一个移情会话交互组件，用于捕获用户的主要个性类别，以及一个生成式人工智能肖像系统，该系统使用该分类来创建用户肖像的个性化风格化。本文包括对我们系统的描述以及在NeurIPS 2019会议演示期间获得的实时交互结果。
2020-05-28 cs.AI cs.HC
CloChat: Understanding How People Customize, Interact, and Experience Personas in Large Language Models
Yonsei University（延世大学）；Seoul National University（首尔大学）
本文通过开发CloChat界面研究用户如何定制LLM智能体人格，发现定制能增强情感联结、对话动态性和持续交互意愿，为对话智能体设计提供启示。
2024-02-23 cs.CL cs.HC
Malicious LLM-Based Conversational AI Makes Users Reveal Personal Information
VRAIN, Universitat Politècnica de València（瓦伦西亚理工大学VRAIN研究所）
研究探讨了基于大语言模型的恶意对话式AI如何通过不同策略提取用户个人信息，发现恶意AI比良性AI更有效，且基于隐私的社会属性策略效果最佳，揭示了新型恶意AI带来的隐私威胁。
2025-06-13 cs.AI cs.CR cs.CY
Towards the "Digital Me": A vision of authentic Conversational Agents powered by personal Human Digital Twins
Technical University of Denmark（丹麦技术大学）；School of Design（设计学院）；University of Strathclyde（斯特拉斯克莱德大学）；Department of Design, Manufacturing and Engineering Management（设计、制造与工程管理系）
本文提出一种集成大型语言模型与动态个人数据的人类数字孪生系统架构，通过上下文感知记忆检索和自适应学习等机制，构建能镜像个人对话风格与记忆的真实对话智能体，并探讨其隐私与伦理挑战。
2025-06-30 cs.AI cs.CY cs.ET
Beyond the Monolithic Interface: A Research Agenda for Plural Conversational AI
Hugging Face；University of Connecticut（康涅狄格大学）；University of Cambridge（剑桥大学）
本研究针对单一对话式AI界面的三种危害，提出多角色界面干预措施，呼吁建立弥合技术多元对齐与实证研究差距的研究议程。
2026-10-12 cs.CY cs.HC
Large Language Models as Conversational Movie Recommenders: A User Study
Grouplens Research, University of Minnesota（明尼苏达大学 Grouplens 研究中心）；Northwestern University（西北大学）
本文通过160名用户的在线实验研究大语言模型在对话式电影推荐中的表现，发现其可解释性强但个性化、多样性和信任不足，且提供个人背景和示例是获得高质量推荐的关键。
2024-04-29 cs.AI cs.HC cs.IR
CURATe: Benchmarking Personalised Alignment of Conversational AI Assistants
University of Oxford（牛津大学）；Stellenbosch University（斯泰伦博斯大学）；Foerster Lab for AI Research (FLAIR)（福斯特人工智能研究实验室）
本文提出评估基于LLM的AI助手个性化对齐的多轮基准CURATe，发现现有模型在处理安全关键上下文时存在系统性偏差，而提示考虑安全上下文能显著提升性能。
2025-01-30 cs.AI cs.HC
Personality over Precision: Exploring the Influence of Human-Likeness on ChatGPT Use for Search
Amsterdam University of Applied Sciences（阿姆斯特丹应用科学大学）；University of Leiden（莱顿大学）
本文通过 173 人调查比较 ChatGPT 与 Google 搜索，发现日常双用用户更信任 ChatGPT 并愿以事实准确性换取个性化和类人化体验，揭示了对话式搜索中过度信任与用户细分的风险。
2025-11-09 cs.AI cs.HC
Different but Equal: Comparing User Collaboration with Digital Personal Assistants vs. Teams of Expert Agents
IBM Research – Brazil（IBM研究院（巴西））
这项工作比较了用户与会话式个人助理的协作与专家聊天机器人团队的协作。进行了两项研究，以调查是否每种方法影响任务的完成和协作成本。参与者与两个等效的金融建议聊天机器人系统进行交互，一个由一个对话顾问组成，另一个基于四个专家聊天机器人团队。结果表明，用户有不同形式的经验，但同样能够实现自己的目标。与预期相反的是，有证据表明，在团队合作的情况下，用户更能够更好地预测代理的行为，并没有开销来维持共同点，这表明类似的协作成本。结果指向的两种方法中的任何一种的用户与会话代理的合作的可行性。
2018-08-24 cs.AI cs.HC cs.MA
MERCI: Multimodal Emotional and peRsonal Conversational Interactions Dataset
University of Technology, Sydney（悉尼科技大学）；University of New South Wales（新南威尔士大学）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；Universidad Central de Chile（智利中央大学）
本文构建 MERCI 多模态数据集，记录融合个人资料、表情识别、情感分析与 GPT-4 回复的真实人机对话，并通过自动和用户评估验证其交互质量。
2025-03-18 cs.ET cs.HC cs.RO
Persona-based Multi-Agent Collaboration for Brainstorming
本文提出基于角色的多智能体协作框架，通过角色定制提升头脑风暴的深度和跨领域覆盖能力。
2025-12-10 cs.AI cs.HC
AI-enhanced conversational agents for personalized asthma support Factors for engagement, value and efficacy
Imperial College London（帝国理工学院）
针对英国哮喘护理覆盖不足，研究通过1257名患者调查分析AI聊天机器人的参与因素，发现53%患者有使用意愿，并提出7项开发建议。
2025-07-22 cs.AI cs.CY cs.ET
Agentic Persona Control and Task State Tracking for Realistic User Simulation in Interactive Scenarios
Toast Inc.（Toast公司）
本文提出了一种多代理框架，通过人格控制和任务状态跟踪模拟逼真用户交互，实验表明其在任务完成和真实性方面优于单LLM基线。
2025-11-30 cs.AI cs.HC
"I Like Sunnie More Than I Expected!": Exploring User Expectation and Perception of an Anthropomorphic LLM-based Conversational Agent for Well-Being Support
University of Toronto（多伦多大学）；Flourish Science（弗洛里什科学公司）；Northeastern University（东北大学）
本研究对比38名用户对两款LLM驱动的福祉推荐系统的期望与感知，发现拟人化设计的Sunnie在关系温暖度上优于非拟人基线，且两款系统实用性均超预期，为心理健康支持的交互设计提供参考。
2024-10-07 cs.CL cs.HC
Migratable AI: Effect of identity and information migration on users perception of conversational AI agents
Massachusetts Institute of Technology（麻省理工学院）
会话式人工智能智能体正在激增，体现了一系列设备，如智能扬声器，智能显示器，机器人，汽车等。我们可以设想一个未来，个人会话代理可以跨不同的形状因子和环境迁移，始终陪伴和帮助其用户支持更连续，个性化和协作的体验。这就提出了一个问题，即对话式人工智能智能体的哪些属性可以跨表单迁移，以及它将如何影响用户的感知。为了探索这一点，我们开发了一个可迁移的人工智能系统，在该系统中，用户的信息和/或代理的身份可以在它跨形状因子迁移时保留，以帮助其用户完成任务。我们设计了一个2x2的主题间的研究，探讨信息迁移和身份迁移对用户的信任，能力，可爱性和社会存在的看法的影响。我们的研究结果表明，身份迁移有积极的影响，信任，能力和社会存在，而信息迁移有积极的影响，信任，能力和可爱。总的来说，当身份和信息都跨实施例迁移时，用户向会话代理报告最高的信任、能力、喜爱度和社交存在。
2021-09-04 cs.CY cs.HC cs.RO
The Manipulation Problem: Conversational AI as a Threat to Epistemic Agency
Unanimous AI（Unanimous AI公司）
本文研究对话式AI可能被用于定向操纵用户的风险，分析其通过实时语音和逼真数字人对人类认知能动性构成的威胁，并呼吁政策制定者加以防范。
2023-06-19 cs.AI cs.CY cs.HC
Mirroring to Build Trust in Digital Assistants
Apple Inc.（苹果公司）
我们描述的实验，以建立一个会话的数字助理，认为用户的首选会话风格。特别是，这些实验的目的是衡量用户是否喜欢和信任的助理，其会话风格匹配自己。为此，我们进行了一项用户研究，其中受试者与数字助理进行交互，该数字助理的响应方式要么与他们的对话风格相匹配，要么不匹配。使用自我报告的个性属性和受试者对互动的反馈，我们建立了可以可靠地预测用户首选会话风格的模型。
2019-04-02 cs.AI cs.CL cs.HC
StockBabble: A Conversational Financial Agent to support Stock Market Investors
University of Kent（肯特大学）
我们介绍StockBabble，这是一个会话代理，旨在支持对股票市场的理解和参与。StockBabble的价值和新颖性在于它能够赋予散户投资者（其中许多人可能是投资新手）权力，并使用用户友好的代理人补充他们的信息需求。用户可以查询公司信息，检索股票的一般和财务概况，包括访问最新的新闻和交易建议。他们还可以要求包含实时价格和技术投资指标的图表，并将股票添加到个人投资组合中，以便随时监控业绩。为了评估我们代理的潜力，我们进行了一项有15名参与者的用户研究。总体而言，73%（11/15）的受访者表示，使用StockBabble后，他们对投资更有信心，所有15人都会考虑向其他人推荐。这些结果令人鼓舞，并表明对此类药物有更广泛的吸引力。此外，我们相信这项研究可以帮助设计和开发未来的智能金融个人助理。
2021-06-15 cs.AI cs.CL cs.CY
