Memolet:用户与AI对话记忆的可重用性实体化

对话式聊天机器人大语言模型(LLM)的人机协作AI/ML 研究员与工程师HCI 研究员

随着用户与AI对话代理的互动越来越频繁,对话可能超出其记忆容量,导致无法正确利用某些记忆来提供定制化响应。然而,在寻找可重用或引用的过往记忆时,用户需要在多个对话中检索相关信息,并向AI表达重用这些记忆的意图。为支持这一过程,我们引入了Memolet,一种将记忆重用实体化的交互式对象。用户可以直接操作Memolet来指定要重用的记忆以及如何使用它们。我们开发了一个系统,展示了Memolet在各种记忆重用阶段的交互,包括记忆提取、组织、提示表达和生成优化。我们通过N=12的被试内研究检验了该系统的实用性,并为支持用户-AI对话记忆重用的未来系统提供了设计启示。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/uist/170751/2024

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3654777.3676388
一眼看懂

论文快照

fact_check
dataset
来源
UIST
calendar_month
年份
2024
emoji_events
奖项
未标记奖项
group
作者
2 位作者
sell
研究子方向
对话式聊天机器人、大语言模型(LLM)的人机协作
work
职业/产业
AI/ML 研究员与工程师、HCI 研究员
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文