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
Commonsense Reasoning for Conversational AI: A Survey of the State of the Art
Georgia Institute of Technology(佐治亚理工学院)
基于transformer的大型预训练语言模型,如BERT、GPT和T5,已经证明了对上下文语义和语言语法的深刻理解。他们的成功使对话式人工智能取得了重大进展,包括开发开放式对话系统,能够进行连贯、突出的对话,可以回答问题、随意聊天和完成任务。然而,最先进的模型仍然难以处理涉及更高层次推理的任务--包括人类认为微不足道的常识推理。本文介绍了最近的会话人工智能研究的调查集中在常识推理。本文列出了相关的训练数据集,并描述了将常识纳入对话式AI的主要方法。本文还讨论了用于评估会话AI问题中常识的基准。最后,本文提出了两个国家的最先进的开放式对话模型,BlenderBot 3和LaMDA的有限的常识能力的初步观察,其自然互动的负面影响。这些观察进一步激发了对会话AI中常识推理的研究。
2023-02-15 cs.CL cs.LG
A Multimodal GUI Architecture for Interfacing with LLM-Based Conversational Assistants
本文提出一种通过MCP暴露导航图和语义的多模态GUI架构,使基于LLM的语音助手能控制界面,并评估了本地开放权重模型的可行性。
2025-10-09 cs.AI cs.HC
Agentic-DuplexGen: Decoupling Content, Timing, and Acoustics for Synthetic Dialogue Speech
Institute of Science Tokyo(科学东京大学);Hokkaido University(北海道大学)
DuplexGen框架通过解耦对话的内容、时序与声学,生成更贴近真实对话的合成语音,构建了带多类标注的医患对话语料库,性能优于传统拼接式合成方法。
2026-08-25 cs.CL eess.AS
TeamCMU at Touché: Adversarial Co-Evolution for Advertisement Integration and Detection in Conversational Search
Carnegie Mellon University(卡内基梅隆大学)
本文提出一种对话式搜索中广告管理的对抗性协同演化框架,通过广告改写器与广告分类器的相互优化,实现更隐蔽的广告集成和更鲁棒的广告检测。
2025-07-01 cs.AI cs.CL
Advancing Conversational Psychotherapy: Integrating Privacy, Dual-Memory, and Domain Expertise with Large Language Models
University of California, Berkeley(加州大学伯克利分校)
本文提出 SoulSpeak,借助 RAG 双记忆、隐私模块、咨询数据与提示技术实现个性化心理治疗对话,并用微调 BERT 评估模型验证其效果。
2024-12-04 cs.CL cs.CY
PersonaPlex: Voice and Role Control for Full Duplex Conversational Speech Models
PersonaPlex通过融合角色条件和语音克隆技术,实现全双工对话语音模型的语音与角色控制,提升角色一致性、说话人相似性和对话自然度。
2026-01-14 cs.CL
Few-Shot and Training-Free Review Generation via Conversational Prompting
针对少样本和免训练场景下的个性化评论生成,提出对话式提示方法,通过将用户评论重构为多轮对话,显著提升生成评论与目标用户风格的一致性。
2025-09-25 cs.CL cs.IR
Efficiently Aligned Cross-Lingual Transfer Learning for Conversational Tasks using Prompt-Tuning
Salesforce Research(赛富时研究院);Salesforce AI Research(赛富时人工智能研究院)
该研究构建了含105种语言、单语约33万话语的跨语言对话数据集XSGD,提出基于提示调优的对齐方法,结合NLI分类器在对话任务的跨语言迁移中取得优于主流大模型的效果,尤其适配低资源少样本场景。
2024-01-27 cs.AI cs.CL
A Novel Idea Generation Tool using a Structured Conversational AI (CAI) System
Indian Institute of Science (IISc)(印度科学学院)
针对新手设计师创意生成的初始延迟与瓶颈问题,提出集成大型语言模型的结构化对话式AI主动创意生成工具,通过试点研究验证其在创意流畅性、新颖性和多样性上的优势,证实生成式AI在设计早期阶段的潜力。
2024-09-09 cs.AI cs.HC
OceanAI: A Conversational Platform for Accurate, Transparent, Near-Real-Time Oceanographic Insights
North Carolina State University(北卡罗来纳州立大学);NOAA(国家海洋和大气管理局)
OceanAI将开源大语言模型与NOAA实时海洋数据流结合,通过实时API调用生成可验证、可复现的海洋学回答与可视化,在盲比中优于现有AI聊天产品,为海洋决策支持提供了透明可扩展的框架。
2025-11-06 cs.AI cs.CE cs.CL
Black-Box Forensics for Conversational LLM Agents
University of California, San Diego(加州大学圣地亚哥分校)
研究通过非对抗对话识别对话代理的基座模型(归因)和系统提示(指纹识别),归因准确率达98%,指纹识别对未见提示的AUC达0.943。
2026-10-09 cs.CL cs.CR
Extracting Accurate Materials Data from Research Papers with Conversational Language Models and Prompt Engineering
University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
本文提出 ChatExtract 方法,通过工程化提示和后续问答机制,利用对话式大语言模型以最少人工投入实现材料数据的高精度自动提取,精确率与召回率接近 90%,并成功构建了金属玻璃和高熵合金数据库。
2024-02-21 cond-mat.mtrl-sci cs.CL
DERA: Enhancing Large Language Model Completions with Dialog-Enabled Resolving Agents
Curai Health(Curai健康)
大语言模型(LLM)已经成为许多自然语言理解任务的有价值的工具。在医疗保健等安全关键型应用中,这些模型的实用性取决于它们生成真实准确和完整的输出的能力。在这项工作中,我们提出了对话使能解析代理(DERA)。DERA是一个范例,通过LLM的会话能力的增加而成为可能,即GPT-4。它为模型提供了一个简单的、可解释的论坛,以交流反馈并迭代地改进输出。我们框架我们的对话作为两个代理类型之间的讨论-一个研究员,谁处理信息,并确定关键的问题组件,和一个决策者,谁拥有自主权,以整合研究员的信息,并作出判断的最终输出。我们测试DERA对三个临床重点任务。对于医疗会话摘要和护理计划生成,DERA在人类专家偏好评估和定量指标方面都显示出比基本GPT-4性能的显着改进。在一项新的发现中,我们还表明,GPT-4在MedQA问答(QA)数据集(Jin et al. 2021,USMLE)的开放式版本上的性能(70%)远高于及格水平(60%),DERA表现出类似的性能。我们在https://github.com/curai/curai-research/tree/main/DERA上发布开放式MEDQA数据集。
2023-03-30 cs.AI cs.CL cs.LG
Turn-taking and Backchannel Prediction with Acoustic and Large Language Model Fusion
Amazon(亚马逊)
本研究提出融合神经声学模型与大语言模型的口语对话话轮转换及反馈语位置预测方法,搭配多任务指令微调策略,在Switchboard数据集上优于单模态基线,为更自然的人机语音交互提供了新思路。
2024-01-26 cs.AI cs.CL cs.LG
EvalConvoLearn: An Open-Source Framework for Evaluating Grounded Learner Simulations in Tutoring Conversations
EvalConvoLearn是评估辅导对话中学习者模拟的开源框架,从学习行为与对话质量两个维度开展评估,验证了其在辅导对话数据集上的有效性并公开了代码。
2026-08-11 cs.CL cs.HC
AI-Enabled Conversational Journaling for Advancing Parkinson's Disease Symptom Tracking
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校);New York University(纽约大学);University of Massachusetts Chan Medical School(马萨诸塞大学陈医学院);Carleton University(卡尔顿大学);Tableau Research(Tableau研究院)
针对传统日记缺乏交互反馈的问题,提出AI赋能的原型PATRIKA,通过协作对话和个性化设置帮助帕金森病患者记录症状,有效提升了患者参与度与临床数据收集质量。
2025-03-05 cs.AI cs.HC
A Platform for Interactive AI Character Experiences
ETH Zurich(苏黎世联邦理工学院)
本文提出一个平台,用于创建可信的交互式AI角色,通过整合多种AI技术,实现故事驱动的对话体验。
2026-01-03 cs.AI cs.CL cs.GR
Factors That Influence the Adoption of AI-enabled Conversational Agents (AICAs) as an Augmenting Therapeutic Tool by Frontline Healthcare Workers: From Technology Acceptance Model 3 (TAM3) Lens -- A Systematic Mapping Review
University at Albany, SUNY(纽约州立大学奥尔巴尼分校)
本研究基于技术接受模型3(TAM3)视角开展系统映射综述,探讨影响一线医护人员采用人工智能对话代理(AICAs)作为辅助治疗工具的因素,以了解其可行性并为开发部署提供指导。
2025-01-26 cs.AI cs.HC
Ad Insertion in LLM-Generated Responses
University of Michigan(密歇根大学);Peking University(北京大学);The University of Hong Kong(香港大学)
本文提出了解耦广告插入与响应生成、以及竞价与用户查询的框架,通过基于类型拍卖机制实现近最优的社会福利,同时提高计算效率和上下文一致性。
2026-08-26 cs.AI cs.CL cs.GT
Trapped by Expectations: Functional Fixedness in LLM-Enabled Chat Search
The University of Oklahoma(俄克拉荷马大学);Microsoft Research(微软研究院)
研究通过450人众包实验揭示了功能固着对LLM聊天搜索的限制,发现用户先验经验影响预期与提示行为,未达预期可促进行为适应,并提出用户意图分类以倡导创造性使用LLM。
2025-04-02 cs.AI cs.HC
Securing Multi-turn Conversational Language Models From Distributed Backdoor Triggers
UC Davis(加州大学戴维斯分校);Harvard(哈佛大学)
本文揭示多轮LLM可被分布在不同话语中的组合触发器激活,并提出随响应长度线性扩展的衰减对比解码,将ASR降至0.35%。
2024-10-28 cs.AI cs.CL cs.CR
DACIP-RC: Domain Adaptive Continual Instruction Pre-Training via Reading Comprehension on Business Conversations
Dialpad Inc.(Dialpad公司)
针对小型语言模型在商业对话任务中零样本能力不足及微调导致灾难性遗忘的问题,提出DACIP-RC持续预训练方法,通过阅读理解生成指令,显著提升会议摘要等任务的泛化性能。
2025-10-09 cs.AI cs.CL
Conversational Orchestration for Organic 6G
ICTFICIAL Oy;Ruhr University Bochum(波鸿鲁尔大学)
针对有机6G跨域编排的开销与可部署性问题,提出基于LLM驱动域代理的轻量级去中心化对话式编排框架,仿真验证其控制开销可控且决策质量稳健。
2026-08-12 cs.AI cs.DC cs.ET
Ask to Be Sure: Informative Interactions for Confident Multi-Turn LLM Recommendation
Amazon(亚马逊)
该研究针对多轮LLM推荐中有效挖掘用户偏好的挑战,提出以推荐熵降为奖励的方法微调LLM,结合SFT与DPO在INSPIRED、ReDial数据集上提升了推荐质量与对话效率。
2026-08-21 cs.AI cs.CL cs.IR
How Multimodal Large Language Models Support Access to Visual Information: A Diary Study With Blind and Low Vision People
Cornell University(康奈尔大学)
本研究探讨了多模态大语言模型如何通过视觉助手技能支持视障人士获取视觉信息,并发现其在实际应用中的表现及改进方向。
2026-02-19 cs.AI cs.HC
From Prompt to Physical Actuation: Holistic Threat Modeling of LLM-Enabled Robotic Systems
School of Informatics, Computing, and Cyber Systems, Northern Arizona University(信息学、计算与网络系统学院,北亚利桑那大学);Department of Software Science, Tallinn University of Technology(软件科学系,塔林技术大学)
本文提出基于数据流图的LLM赋能机器人系统威胁分析方法,揭示了传统威胁、对抗威胁和对话威胁在感知-规划-执行流程中的交互与传播,首次完整分析了三个威胁类别在全系统中的跨边界攻击链。
2026-04-29 cs.AI cs.CR cs.RO
Detecting Ambiguities to Guide Query Rewrite for Robust Conversations in Enterprise AI Assistants
Adobe Research(奥多比研究院);Adobe Inc.(奥多比公司)
本文提出“歧义引导的查询重写”框架,结合基于真实日志构建的分类器与查询重写模块,有效检测并消解企业AI助手多轮对话中的歧义,已部署于Adobe Experience Platform AI Assistant。
2025-02-01 cs.CL
Agents Thinking Fast and Slow: A Talker-Reasoner Architecture
Google DeepMind(谷歌DeepMind)
本文提出 Talker-Reasoner 智能体架构,将交谈与多步推理规划分离,类比人类快慢思考系统,提升了模块化与响应速度,并在睡眠辅导场景中验证了其有效性。
2024-10-10 cs.AI cs.CL cs.LG
Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations
University of California, Berkeley(加州大学伯克利分校)
本文提出利用LLM事后反思能力,通过离线强化学习重写次优对话数据,训练交互式对话智能体,在心理健康支持和慈善捐赠任务中显著优于现有方法。
2024-11-07 cs.AI cs.CL cs.LG
Exploring User Security and Privacy Attitudes and Concerns Toward the Use of General-Purpose LLM Chatbots for Mental Health
Duke University(杜克大学)
本研究通过21次半结构化访谈发现,用户在使用通用LLM聊天机器人进行心理健康管理时存在严重误解和风险意识缺失,误将其类人共情等同于类人责任并误认受HIPAA等法规保护;研究提出“无形脆弱性”概念,并给出保护用户心理健康披露的建议。
2025-07-14 cs.AI cs.CR cs.CY
Separator Injection Attack: Uncovering Dialogue Biases in Large Language Models Caused by Role Separators
Xi’an Jiaotong University(西安交通大学)
本文揭示对话LLMs中角色分隔符引发的位置偏见,提出分隔符注入攻击(SIA),实验显示手动方法平均增益18.2%,自动方法攻击成功率达100%。
2025-04-08 cs.CL cs.CR
Standardization of Psychiatric Diagnoses -- Role of Fine-tuned LLM Consortium and OpenAI-gpt-oss Reasoning LLM Enabled Decision Support System
Old Dominion University(旧 Dominion 大学);McDonald Army Health Center(麦克唐纳陆军医疗中心);Blanchfield Army Community Hospital(布兰奇菲尔德陆军社区医院)
针对精神科诊断主观性强、结果不一致的问题,本研究提出结合微调LLM联盟与OpenAI-gpt-oss推理LLM的决策支持系统,通过共识决策与智能体协调实现标准化诊断,为AI电子健康系统铺路。
2025-10-29 cs.AI
Reinforcement Learning Problem Solving with Large Language Models
Thomson Reuters AI Labs(汤森路透人工智能实验室)
本研究探索将基于马尔可夫决策过程的强化学习问题转化为LLM提示任务,通过迭代提示LLMs优化策略并辅助回合模拟与Q-Learning,经两个案例验证了其作为对话式RL智能体求解问题的实用性。
2024-04-29 cs.AI cs.CL
Paladin: Defending LLM-enabled Phishing Emails with a New Trigger-Tag Paradigm
University of Virginia(弗吉尼亚大学);Indiana University Bloomington(印第安纳大学布卢明顿分校)
针对大语言模型生成的钓鱼邮件难以检测的问题,提出Paladin方法,通过向大语言模型嵌入触发标签关联,使生成内容自动携带可检测标签,实现超过90%的检测准确率。
2025-09-08 cs.AI cs.CR
PICasso: An AI-Enabled Design Framework for Autonomous Optimization of Silicon Photonic Devices
New Jersey Institute of Technology(新泽西理工学院);University of Michigan(密歇根大学);Colorado State University(科罗拉多州立大学);AMD(超威半导体公司);Case Western Reserve(凯斯西储大学);University of Illinois, Chicago(伊利诺伊大学芝加哥分校)
PICasso是一种AI辅助的光子集成线路设计框架,结合结构化生成流程与多环节验证优化,可提升LLM生成的线路规范满意度,降低插入损耗,生成可制造的版图。
2026-08-28 cs.AI
MusiChat: Vibe Composing for Music Creation
Stanford University(斯坦福大学);George Mason University(乔治梅森大学);IntelliSky(智能天空)
研究针对AI音乐创作中迭代难问题,提出MusiChat系统,通过分层可控框架、记忆增强架构及混合意图路由机制,实现人机协作音乐创作,经评估在交互准确率和用户喜好比例上表现良好,支持多轮音乐创作和人机共创。
2026-07-29 cs.AI cs.SD
Designing Style Matching Conversational Agents
University of Washington(华盛顿大学);University of Southern California(南加州大学);Microsoft Research(微软研究院)
机器智能的进步使会话界面成为可能,这些界面有可能从根本上改变人类与机器交互的方式。然而,即使这些代理人的能力取得了进展,在自然互动的能力方面仍然存在严重差距。一个限制是,代理人的行为往往是单调的,不适应他们的合作伙伴。我们建立了两个端到端的会话代理:一个基于语音的代理,可以进行自然主义的,多回合的对话,并与对话者的会话风格保持一致,以及第二个,表达性,体现会话代理(ECA),可以在开放式对话中识别人类行为,并自动将其响应与另一方的视觉和会话风格保持一致。具体化的会话代理利用多模态输入来产生丰富且感知上有效的声音和面部响应(例如,假唱和表情)。基于一组用户研究的实证结果,我们强调了在建立这样的系统中的几个重大挑战,并为未来的研究提供了使用风格适应的多轮对话交互的设计准则。
2019-10-16 cs.CL cs.HC cs.LG
A Proposal for Evaluating the Operational Risk for ChatBots based on Large Language Models
本文提出一种面向大语言模型聊天机器人的多维操作风险评估指标,结合技术复杂度与情境因素,并通过增强 Garak 框架验证其在 RAG 场景下指导风险缓解与模型改进的有效性。
2025-05-07 cs.AI cs.CR cs.CY
Alexa, Let's Work Together: Introducing the First Alexa Prize TaskBot Challenge on Conversational Task Assistance
自2016年成立以来,Alexa Prize计划已使数百名大学生能够通过SocialBot Grand Challenge探索和竞争开发会话代理。该挑战的目标是构建能够与人类就热门话题进行连贯和友好对话的智能体,同时达到至少4.0/5.0的平均评分。然而,随着会话代理试图帮助用户完成越来越复杂的任务,需要新的会话人工智能技术和评估平台。Alexa Prize TaskBot挑战赛成立于2021年,以SocialBot挑战赛的成功为基础,引入了交互式协助人类完成真实世界烹饪和自己动手任务的要求,同时利用语音和视觉模式。这一挑战要求任务机器人识别和理解用户的需求,识别任务和领域知识并将其整合到交互中,并开发新的方式来吸引用户,而不会分散他们对手头任务的注意力。本文概述了TaskBot挑战,描述了CoBot工具包为团队提供的基础设施支持,并总结了参与团队克服研究挑战的方法。最后,它分析了竞争任务机器人在第一年的比赛中的表现。
2022-09-13 cs.AI cs.CL cs.HC
Coaching Copilot: Blended Form of an LLM-Powered Chatbot and a Human Coach to Effectively Support Self-Reflection for Leadership Growth
Carnegie Mellon University(卡内基梅隆大学);Max-Planck Institute for Human Development(马克斯·普朗克人类发展研究所)
本研究探索LLM驱动的聊天机器人与人类教练协作支持领导力自我反思,通过设计工作坊和两周用户研究,发现其优势与局限,为人在回路的自我反思增强奠定基础。
2024-05-24 cs.AI cs.HC
ARdena: Scenario-driven control of real-time LLM agents
Faculty of Applied Mathematics and Informatics, University of Osijek Croatia(奥西耶克大学应用数学与信息学院,克罗地亚);Meet Intelligent Innovations LLC(Meet智能创新有限责任公司)
研究如何在实时交互环境中控制大语言模型智能体行为,提出分层场景驱动的LLM控制框架,通过结构化提示实现运行时行为控制,在ARDena中实现该框架并评估,结果显示场景驱动提示能有效控制LLM智能体。
2026-07-28 cs.AI
Comparing Photorealistic and Animated Embodied Conversational Agents in Serious Games: An Empirical Study on User Experience
The University of Edinburgh(爱丁堡大学)
本文通过36名参与者的被试内实验,比较严肃游戏中写实型与动画型具身对话智能体的用户体验,发现两者可用性均高且写实型更受偏好,为后续ECA真实感研究奠定基础。
2023-10-26 cs.AI cs.CL cs.HC
Conversational AI: The Science Behind the Alexa Prize
Amazon Alexa Prize(亚马逊Alexa奖)
会话型代理人正迅速流行起来。然而,在社交会话领域以及广泛领域和主题的自由形式会话方面仍有许多工作要做。为了推动对话人工智能的发展,亚马逊推出了Alexa Prize,这是一项价值250万美元的大学竞赛,16个选定的大学团队面临挑战,以构建被称为社交机器人的对话代理,与人类就体育,政治,娱乐,时尚和技术等热门话题进行连贯和友好的对话20分钟。Alexa Prize为学术界提供了一个独特的机会,可以使用数百万用户使用的实时系统进行研究。该竞赛为大学团队提供了大规模的真实用户会话数据,以及用户提供的评分和反馈,并由Alexa团队进行注释。这使团队能够在整个比赛中有效地进行评估和改进,同时通过实时用户交互进行实时评估。为了构建他们的社交机器人,大学团队将最先进的技术与自然语言理解、上下文建模、对话管理、响应生成和知识获取等领域的新颖策略相结合。为了支持参赛团队的努力,Alexa Prize团队进行了大量的科学和工程投资,以构建和改进对话语音识别、主题跟踪、对话评估、语音用户体验以及流量管理和可扩展性工具。本文概述了大学团队和Alexa Prize团队为实现解决对话式AI问题的共同目标所取得的进展。
2018-01-11 cs.AI cs.CL cs.CY
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
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
Conversational Swarms of Humans and AI Agents enable Hybrid Collaborative Decision-making
本研究提出对话群体智能(CSI)技术,结合人类与AI代理(Infobot)实现混合协作决策,在梦幻棒球任务中显著提升群体智能,并促进更均衡的讨论。
2024-09-22 cs.HC
Toward Personalized LLM-Powered Agents: Foundations, Evaluation, and Future Directions
本文探讨个性化LLM代理的基础、评估及未来方向,分析了四个核心能力:用户画像建模、记忆、规划与行动执行,并总结了评估指标和应用场景。
2026-03-16 cs.AI
Self-Diagnosis through AI-enabled Chatbot-based Symptom Checkers: User Experiences and Design Considerations
最近,人们对在医疗保健市场开发基于AI的聊天机器人的症状检查器(CSC)应用程序的兴趣越来越大。CSC应用程序为用户提供潜在的诊断,并使用类似人类的对话,基于人工智能(AI)技术帮助他们进行自我分类。尽管这些CSC应用程序很受欢迎,但很少有研究调查它们的功能和用户体验。为此,我们进行了功能审查,用户审查分析和访谈研究。我们发现,现有的CSC应用程序缺乏支持离线医疗访问的整个诊断过程的功能。我们还发现,用户认为当前CSC应用程序缺乏对全面病史、灵活症状输入、可理解问题以及多样化疾病和用户组的支持。基于这些结果,我们得出了CSC应用程序的未来功能和会话设计的影响。
2021-01-12 cs.HC
Reflecti-Mate: A Conversational Agent for Adaptive Decision-Making Support Through System 1 and System 2 Thinking
TU Delft(代尔夫特理工大学);TU Delft/Leiden University(代尔夫特理工大学/莱顿大学)
本文研究了一种对话代理,通过适应个体思维模式促进决策整合,该代理能提供更个性化的反思路径和整合性反思语言,优于传统决策支持系统。
2026-05-21 cs.CL cs.HC
How does a spontaneously speaking conversational agent affect user behavior?
本研究通过大规模对话实验比较自发语音与朗读语音合成的对话智能体,发现自发语音能缩短用户响应时间、增加反馈声道并提升类人对话感。
2022-05-03 cs.HC
Reframing Conversational Design in HRI: Deliberate Design with AI Scaffolds
Johns Hopkins University(约翰霍普金斯大学);University of Chicago(芝加哥大学)
本文提出AI辅助对话引擎ACE,通过AI支架支持人机对话的有意设计,提升对话提示的清晰度和交互质量。
2026-01-17 cs.HC cs.RO
The Programmer's Assistant: Conversational Interaction with a Large Language Model for Software Development
大语言模型(LLM)最近已经应用于软件工程中以执行诸如在程序设计语言之间翻译代码、从自然语言生成代码以及在编写代码时自动完成代码的任务。当在开发工具中使用时,这些系统通常将每个模型调用独立于所有先前的调用进行处理,并且在用户界面中仅公开特定的有限功能。这种用户交互的方法错过了用户更深入地参与模型的机会,因为用户之前的交互的上下文以及他们的代码的上下文通知了模型的响应。我们开发了一个原型系统-程序员的助手-为了探索基于代码的会话交互的实用性,以及软件工程师对与代码流畅的LLM对话而不是调用的想法的接受程度。通过对42名具有不同编程经验水平的参与者的评估,我们发现我们的系统能够进行扩展的多轮讨论,并且它能够从LLM中获得代码生成之外的其他知识和能力。尽管最初对会话编程帮助的期望持怀疑态度,但参与者对助理能力的广度,其响应的质量及其提高生产力的潜力印象深刻。我们的工作展示了与LLM进行对话互动的独特潜力,用于软件开发等共同创造过程。
2023-02-14 cs.HC
Disclosure By Design: Identity Transparency as a Behavioural Property of Conversational AI Models
AI Security Institute(人工智能安全研究所);University of Southampton(萨默塞特大学)
研究探讨对话式AI在人类与AI交互日益模糊时如何维持身份透明性,提出通过设计实现披露,以提升系统可靠性并保护用户自主验证能力。
2026-01-27 cs.AI cs.HC