通过自然语言交互实现协作设计优化

DOI

设计成功的交互需要确定最佳设计参数。为此，设计师通常进行迭代用户测试和探索性试错。这涉及在高维空间中平衡多个目标，使过程耗时且认知需求高。系统主导的优化方法，如基于贝叶斯优化的方法，可以为设计师确定下一步测试的参数。然而，这些方法为设计师提供干预优化过程的机会有限，对设计师体验产生负面影响。我们提出一个设计优化框架，实现设计师与优化系统之间的自然语言交互，促进协作设计优化。这是通过将系统主导的优化方法与大语言模型（LLMs）集成来实现的，允许设计师干预优化过程并更好地理解系统的推理。实验结果表明，我们的方法提供了比系统主导方法更高的用户代理度，与手动设计相比显示出有前景的优化性能。它还与现有协作方法的性能相匹配，同时具有更低的认知负荷。