ABScribe：在人机协同写作任务中使用大型语言模型快速探索和组织多种写作变体

文献标题

ABScribe: Rapid Exploration & Organization of Multiple Writing Variations in Human-AI Co-Writing Tasks using Large Language Models

文献信息

• 主题领域: 人机交互 (HCI) 中基于大语言模型 (LLMs) 的协同书写界面设计和评估
• 关键词: LLMs, 人机协作写作, 文本变体管理, 用户界面, 任务工作负载, 人机交互, 文本编辑, 设计框架

研究背景与问题

• 发现的问题或挑战:

  1. 常规文本编辑器通常依赖线性修改历史记录，不适合支持文本改写过程中非线性、迭代和细粒度的需求。
  2. 人工智能生成的文本变体容易导致文档杂乱，难以高效地同时管理多个文本变体。
  3. AI生成的快速扩展能力虽然便利，但缺乏系统化组织和比较这些变体的方法容易影响写作流畅性和创造力。

• 研究重要性:

  • 修订和改写在文本创作中是一个核心环节，它不仅促进了表达的精准性，还能够帮助作者更好地探索和完善创意。
  • 随着LLMs生成变体的能力提升，如何支持作者高效地管理和比较多个变体显得尤为关键。

• 研究动机与相关工作:

  • 前期研究侧重于生成式预训练模型（如ChatGPT、GPT-4）在创意写作中的性能，但较少关注管理多个文本变体的用户界面设计。
  • 相关文献表明，同时比较多个选项（至少5个变体）可以避免设计或思路固化，从而提高创造力。

解决方案

• 方法与解决方案: 作者提出了一个名为 ABScribe 的协作文档编辑界面。此界面专为人类和AI协作的文本创作任务设计，支持多变体快速探索和组织。

• 解决方案的创新之处:

  1. 非线性变体组织：通过“变体字段”和“弹出工具栏”，实现了对文本的非线性修改记录和快速比较。
  2. 可重用AI指令按钮：通过将人工输入的LLM修改指令转换为可重用的按钮，减少了重复输入工作量。
  3. 紧密集成的交互设计：允许用户直接通过 "@ai <prompt>" 在文档中插入或修改文本，提高了人机工作流的流畅性。

• 实施步骤及关键技术:

  1. 变体字段 (Variation Fields)：用户可以选择文本段落，并为每段建立独立的变体字段，变体被并排存储，无需覆盖原文。
  2. 弹出工具栏 (Popup Toolbar)：允许用户通过悬停快速比较不同变体，而无需中断写作流。
  3. 变体侧边栏 (Variation Sidebar)：通过折叠式导航组织变体，为用户提供结构化管理。
  4. AI修改器 (AI Modifiers)：将AI指令存储为按钮，使用户可以跨多个文本段灵活应用。
  5. AI语句生成模块 (AI Drafter)：允许用户通过自然语言提示符直接插入生成的文本。

研究成果

• 具体成果:

  1. 用户工作负载减少:
     • 与基线界面相比，ABScribe显著降低了主观任务工作负载 (NASA-TLX 评分中降低了 1.20, p < 0.001)。
  2. 用户对修订流程的积极感知:
     • 用户评价表明 ABScribe 提高了对修订过程的满意度（同意度增加了 2.41, p < 0.001）。
  3. 用户研究结果（基于12名写作者）:
     • ABScribe 减少了文档杂乱感，使用户可以更自由地创建和探索多样化的变体。
     • 通过按钮式AI指令设计，用户更倾向于写出清晰、简洁的提示符。

• 与现有解决方案比较的优势:

  • ABScribe 的多变体非线性管理打破了传统线性书写工具的限制，使写作更加高效。
  • 相较于传统对话式界面，ABScribe 的UI组件鼓励了更明确的命令下达，并减少了用户在任务间切换的认知负担。

• 实验与评估结果:

  1. 在生成与管理24个文本变体的任务中，用户发现 ABScribe 能更有效管理和比较细粒度的文本修改。
  2. 使用 ABScribe 时，用户将修订行为描述为“减少选择压力”、“更具有探索性”以及“更易编辑小文本段”。

• 局限性与未来方向:

  1. 当前研究限于英语写作环境，其他语言研究尚需验证。
  2. 用户研究仅限短期实验，未考察工具在长时间写作任务中的适应性。
  3. 未来可引入界面数据日志功能，如记录人机协作文本的字数分布与用户行为频率，以进一步分析用户操作习惯。