Beyond ChatBots: ExploreLLM for Structured Thoughts and Personalized Model Responses

要約

大規模言語モデル（LLM）を搭載したチャットボットは、今日、主にテキストベースであり、特に旅行の計画や新しい都市についての学習のような探索的または感覚的なタスクに対して、大きな対話認知負荷を課している。インタラクションはテキストベースであるため、ユーザーは構造、情報の「香り」、高レベルの嗜好や目標を指定する能力といった足場をほとんど持たない。我々はExploreLLMを導入することで、ユーザーが思考を構造化し、様々な選択肢を探索し、選択肢や推奨事項をナビゲートし、よりパーソナライズされた応答を生成するモデルをより簡単に操作できるようにする。我々はユーザースタディを実施し、ExploreLLMがタスクに有用なスキーマのような構造を提供し、ユーザーをプランニングに導くため、ユーザーが探索タスクやプランニングタスクにExploreLLMを使用することが有用であることを示す。この研究はまた、ユーザーがExploreLLMを使うことで、ハイレベルな嗜好を持つ回答をより簡単にパーソナライズできることも示唆している。ExploreLLMは、ユーザーがチャットボットの形を越えてLLMと対話し、代わりに自然言語とグラフィカル・ユーザー・インターフェースのより緊密な統合によって複雑なユーザー・タスクをサポートするように設計された未来を指し示している。

要約(オリジナル)

Large language model (LLM) powered chatbots are primarily text-based today, and impose a large interactional cognitive load, especially for exploratory or sensemaking tasks such as planning a trip or learning about a new city. Because the interaction is textual, users have little scaffolding in the way of structure, informational ‘scent’, or ability to specify high-level preferences or goals. We introduce ExploreLLM that allows users to structure thoughts, help explore different options, navigate through the choices and recommendations, and to more easily steer models to generate more personalized responses. We conduct a user study and show that users find it helpful to use ExploreLLM for exploratory or planning tasks, because it provides a useful schema-like structure to the task, and guides users in planning. The study also suggests that users can more easily personalize responses with high-level preferences with ExploreLLM. Together, ExploreLLM points to a future where users interact with LLMs beyond the form of chatbots, and instead designed to support complex user tasks with a tighter integration between natural language and graphical user interfaces.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL