OnGoal:在大语言模型多轮对话中跟踪和可视化会话目标

大语言模型(LLM)的人机协作数据故事讲述(Data Storytelling)软件工程师与开发者HCI 研究员

随着与大语言模型(LLM)的多轮对话变得越来越长和越来越复杂,用户如何更好地评估和回顾其会话目标的进展?我们presents OnGoal,一个帮助用户更好管理目标进度的LLM聊天界面。OnGoal通过LLM辅助评估提供目标对齐的实时反馈,带有示例的解释说明评估结果,以及随时间推移的目标进展概览,使用户能够更有效地浏览复杂对话。我们通过20名参与者进行写作任务研究,评估OnGoal与无目标跟踪的基线聊天界面对比。使用OnGoal,参与者在探索新提示策略以克服沟通错误的同时,用更少的时间和精力实现目标,表明跟踪和可视化目标可以增强LLM对话中的参与度和韧性。我们的发现为未来LLM聊天界面的设计启示,改善目标沟通、减少认知负荷、增强交互性,并使反馈能够改进LLM性能。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/uist/206956/2025

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3746059.3747746
一眼看懂

论文快照

fact_check
dataset
来源
UIST
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
大语言模型(LLM)的人机协作、数据故事讲述(Data Storytelling)
work
职业/产业
软件工程师与开发者、HCI 研究员
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文