基于LLM的智能回复（LSR）：通过ChatGPT中介智能回复系统增强协作性能
摘要：AI协同工具在提高协作任务的沟通效率和生产力方面的作用越来越受到CSCW研究的关注。聊天机器人、智能回复和语言模型等AI工具旨在优化对话管理，提高团队绩效。早期的AI助手（如Gmail智能回复）受到预定义的知识库和决策树的限制。然而，大型语言模型（LLM）（如ChatGPT）的出现彻底改变了AI助手，它采用先进的深度学习架构生成与上下文相关、连贯和个性化的回复。因此，基于ChatGPT的AI助手能够在各种任务和领域中提供更自然和高效的用户体验。本文将AI协同工具（ACT）的概念形式化为人类协作工作中的AI技术，并讨论了ChatGPT的出现如何改变AI领域，增加了对提高团队绩效的ACT的关注。同时，我们提出了一种基于LLM的智能回复（LSR）系统，利用ChatGPT API在日常协作场景中生成个性化的回复，考虑上下文、语调和沟通风格。我们的两步过程涉及生成一个初步的回复类型（如同意、不同意），为消息生成提供一个一般性的方向，从而减少回复草稿的时间。我们进行了一项实验，参与者完成了涉及Google日历操作和双向N-back测试的模拟工作任务，并与扮演团队成员角色的研究人员互动，要求调整日程安排。我们的研究结果表明，AI团队成员增加了被感知的绩效，同时降低了心理需求（通过NASA TLX测量），并提高了N-back任务的表现。此外，我们还提供了参与者与AI团队成员合作的经验的定性反馈。
作者：Ashish Bastola, Hao Wang, Judsen Hembree, Pooja Yadav, Nathan McNeese, Abolfazl Razi
论文ID：2306.11980
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-06-27