面向数据探索的基于语用学的主动式数字助理方法

自然语言接口（NLIs）和大型语言模型（LLMs）的最新进展改变了我们处理 NLP 任务的方式，将重点转向更语用学的视角。这种转变使人机与语音助手之间的交互更加自然，而这在历史上一直难以实现。语用学涉及理解用户如何经常抢答、打断彼此或在未被明确询问时提供相关信息（数量准则）。为此，我们开发了一个数字助理，它持续监听对话并主动在数据探索任务中生成相关可视化。在一项被试内研究中，参与者在探索夏威夷气候数据门户（HCDP）时与主动和非主动版本的语音助理交互。结果表明，与主动助理的交互增加了话语总数和发现量，促进了更快、更可靠的洞察，并导致更多地使用系统的图表功能。我们的研究突出了主动 AI 在 NLIs 中的潜力，并确定了其实施中的关键挑战，为未来研究提供了见解。