理解大型语言模型（LLM）驱动的人机交互

生成式AI，特别是大型语言模型（LLM），在改善人机交互方面具有显著潜力。LLM驱动的机器人不仅可以保持更强的对话能力，还可以处理跨广泛任务和领域的开放式用户请求。尽管有可能改变人机交互，但目前对于在机器人中使用LLM的独特设计要求知之甚少，这些要求可能与文本和语音等其他交互模式不同，且这些要求在不同任务和情境中可能如何变化尚不清楚。为了更好地理解这些要求，我们进行了一项用户研究（n=32），将LLM驱动的社交机器人与其他两种代理进行比较——基于文本的代理和基于语音的代理。为了理解这些要求在不同任务中的差异，参与者完成了四种对话任务之一：选择、生成、执行和协商。我们的发现表明，LLM驱动的机器人提升了人们对复杂非语言线索的期望。虽然它们在建立联系和 deliberation 任务中表现出色，但在逻辑沟通和引发焦虑的情境中不太受欢迎。我们为整合LLM的机器人和为机器人使用微调LLM提供了设计建议。