探索未知：面向个性化探索任务的聊天式协作界面

DOI

大型语言模型的兴起已经彻底改变了用户与知识库的交互方式，使聊天机器人能够综合大量信息并协助处理复杂的探索任务。然而，基于大型语言模型的聊天机器人往往难以提供个性化支持，特别是当用户从模糊查询开始或缺乏足够的上下文信息时。本论文介绍了协作式个性化探索助手（CARE），这是一个旨在通过结合多代理大型语言模型框架与结构化用户界面来增强探索任务个性化设计的系统。CARE 的界面由聊天面板、解决方案面板和需求面板组成，支持迭代查询优化和动态解决方案生成。多代理框架协作识别用户的显性和隐性需求，提供量身定制的、可操作的解决方案。在一项对 22 名参与者进行的被试内用户研究中，CARE 始终优于基线大型语言模型聊天机器人，用户称赞其减少认知负担、激发创造力并提供更量身定制的解决方案。我们的研究结果突出了 CARE 将基于大型语言模型的系统从被动信息检索者转变为主动的问题解决和探索合作伙伴的潜力。代码将在 https://aka.ms/chatbot-care 提供。