CloChat: Understanding How People Customize, Interact, and Experience Personas in Large Language Models

要約

大規模言語モデル (LLM) により、会話型エージェントの生成が大幅に進歩し、さまざまなトピックにわたってシームレスで文脈に応じた対話が可能になりました。
ただし、既存の LLM ベースの会話エージェントは、性格と機能が固定されており、個々のユーザーのニーズへの適応性が制限されています。
明確な専門知識や特性を備えたパーソナライズされたエージェント ペルソナを作成すると、この問題に対処できます。
それにもかかわらず、人々がエージェントのペルソナをどのようにカスタマイズし、操作するかについての知識が不足しています。
この調査では、ユーザーがエージェントのペルソナをカスタマイズする方法と、それがインタラクションの品質、多様性、ダイナミクスに及ぼす影響を調査しました。
この目的を達成するために、LLM のエージェント ペルソナの簡単かつ正確なカスタマイズをサポートするインターフェイスである CloChat を開発しました。
私たちは、参加者が CloChat と ChatGPT をどのように操作するかを比較する調査を実施しました。
結果は、参加者がカスタマイズされたエージェントと感情的な絆を形成し、よりダイナミックな対話に参加し、相互作用を維持することに関心を示したことを示しています。
これらの発見は、LLM を使用する会話型エージェントを備えた将来のシステムの設計への影響に貢献します。

要約(オリジナル)

Large language models (LLMs) have facilitated significant strides in generating conversational agents, enabling seamless, contextually relevant dialogues across diverse topics. However, the existing LLM-driven conversational agents have fixed personalities and functionalities, limiting their adaptability to individual user needs. Creating personalized agent personas with distinct expertise or traits can address this issue. Nonetheless, we lack knowledge of how people customize and interact with agent personas. In this research, we investigated how users customize agent personas and their impact on interaction quality, diversity, and dynamics. To this end, we developed CloChat, an interface supporting easy and accurate customization of agent personas in LLMs. We conducted a study comparing how participants interact with CloChat and ChatGPT. The results indicate that participants formed emotional bonds with the customized agents, engaged in more dynamic dialogues, and showed interest in sustaining interactions. These findings contribute to design implications for future systems with conversational agents using LLMs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google