TRAIL：一个用于可配置人机协作实验的平台
TRAIL: A Platform for Configurable Human--AI Teaming Experiments
- School of Education, University of California, Irvine（加州大学伊文斯分校教育学院）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
研究人工智能队友设计属性对团队的影响，TRAIL平台将大五人格等与多种实验方法结合，在课堂部署中实现纵向链式实验、文本相似性分析等，发现不同人格代理对团队有不同影响。
AI中文摘要：
人工智能队友的设计属性（个性、沟通风格、发言时机）会影响团队的信任、协作和决策。但严格研究这一问题需要现有的工具无法提供的基础设施：在经过仪器测量的、持续的实时协作中对人工智能队友进行可重复配置。我们展示了团队研究与人工智能集成实验室（TRAIL），这是一个网络平台，它使人工智能队友成为可配置、可重复的设计对象，将大五人格与选择性参与消息管道、双重记忆、链式纵向实验以及可导出分析相结合。在一个真实的六节课程的课堂部署（约51名学生）中，TRAIL维持了纵向链式实验，使人工智能在对话中占稳定的少数比例，并实现了由导出驱动的人工智能与人类文本相似性分析。单一盲态的人格变化产生了与设计一致的双重解离：认知支架代理获得了更高的贡献评分和更紧密的语言一致性；社会支持代理营造了更融洽的团队氛围和更低的过度依赖。
英文摘要：
An AI teammate's design properties (personality, communication style, when it speaks) can shape a team's trust, coordination, and decisions. Studying this rigorously demands infrastructure no existing tool provides: reproducible configuration of an AI teammate embedded in instrumented, real-time collaboration sustained over time. We present the Team Research and AI Integration Lab (TRAIL), a web platform that makes the AI teammate a configurable, reproducible design object, pairing a Big Five persona with a selective-participation message pipeline, dual memory, chained longitudinal experiments, and export-ready analytics. In a real six-session classroom deployment (about 51 students), TRAIL sustained longitudinal chaining, held the AI to a stable minority of the conversation, and enabled export-driven AI-human text-similarity analysis. A single blind persona change produced a design-consistent double dissociation: a cognitive-scaffolding agent drew stronger contribution ratings and closer linguistic alignment; a socially-supportive agent, a warmer team climate and lower over-reliance.
