QuerySwitch：通过大语言模型平衡模糊性以支持设计过程

文献标题

QuerySwitch: Supporting the Design Process by Balancing Vagueness through Large Language Models

出版信息

• 主题领域: 创意设计过程中的人机协作
• 关键词: 模糊性，大型语言模型，时尚设计，发散-收敛过程，创意支持工具，分层关键词，组合图像，查询输出模式，结构化探索，人机交互

背景与问题

• 问题/挑战: 现有基于大型语言模型（LLM）的工具在迭代的发散-收敛设计过程中难以平衡模糊性，导致过度模糊或过度固化的问题。当前系统缺乏支持管理模糊性的细致、上下文敏感的机制。
• 重要性: 在创意工作流中平衡模糊性对于促进多样化探索同时保持连贯性至关重要。解决这一问题可以提升LLM在设计任务中的可用性，并改善创意成果。
• 动机与相关工作: 先前的研究主要集中于使用LLM生成创意输出，但通常将模糊性视为起点，忽视了其在整个设计周期中的作用。本文基于现有需求，提出一种将模糊性管理整合到基于LLM的人机协作中的系统。

解决方案

• 提出的方法: QuerySwitch，一个交互式系统，允许设计师在两种查询模式之间动态切换——抽象查询-分层关键词和并行查询-组合图像，以在设计过程中平衡模糊性。
• 创新点:
  1. 引入分层关键词，在支持多样化探索的同时保持连贯性，用于发散阶段。
  2. 实现组合图像，防止固化并在收敛阶段实现灵活的创意合成。
  3. 支持抽象和并行查询，以适应创意工作流中以模糊性为驱动的特性。
  4. 提供一个结构化框架，用于设计中的迭代发散-收敛循环。
• 流程与关键技术:
  1. 在发散阶段，设计师输入抽象概念或上传情绪板，生成分层关键词以进行探索。
  2. 在收敛阶段，设计师使用并行查询结合详细元素，生成组合图像。
  3. 系统允许在情绪板和草图阶段之间切换查询模式，确保与迭代设计过程的一致性。

结果

• 具体发现:
  • 分层关键词在查询复杂性（t = -5.17, p < 0.001）和语义一致性（U = 3007.50, p < 0.001）方面优于基线。
  • 组合图像在语义相似性（U = 7.50, p = 0.001）和复杂性（U = 3007.50, p < 0.001）方面优于基线。
  • 参与者对QuerySwitch的可用性（例如，效果性 t = 2.75, p = 0.022）和自我感知体验（例如，可控性 t = 2.41, p = 0.039）的评分更高。
  • NASA-TLX评分显示QuerySwitch的工作负荷更低（总体评分 t = -2.55, p = 0.031）。
• 相较基线的优势:
  • 减少了查询调整的努力，并对输出的满意度更高，相较于使用ChatGPT与DALL-E 3的系统。
  • 实现了与设计概念的一致性，同时输出更具多样性。
• 实验/评估:
  • 进行了一项90分钟的被试内实验，参与者为10名专业时尚设计师。
  • 测量了可用性（USE问卷）、工作负荷（NASA-TLX）和输出质量（一致性和复杂性指标）。
  • 将QuerySwitch与使用相同底层模型（GPT-4-turbo和DALL-E 3）的基线系统进行了比较。
• 局限性与未来工作:
  • 生成图像对现实时尚趋势和文化背景的反映有限。
  • 参与者数量较少（n=10）且研究时间较短，可能无法全面反映设计实践的多样性。
  • 未来研究应探索与趋势数据库的整合、纵向研究以及多模态交互方法。

总结

本文提出了QuerySwitch，一个通过在分层和组合查询模式之间动态切换来平衡创意设计过程中的模糊性的系统。该系统有效支持迭代的发散-收敛循环，增强了创意探索并防止了固化。与专业时尚设计师的用户研究表明，与基线系统相比，该系统在可用性、输出质量和工作流效率方面有显著改善。尽管存在需要整合趋势数据和扩大参与者样本的局限性，QuerySwitch为跨多个设计领域的基于LLM的创意支持工具提供了一个有前景的框架。