Daily Arxiv

Esta página recopila y organiza artículos sobre inteligencia artificial publicados en todo el mundo.
La información aquí presentada se resume utilizando Google Gemini y el sitio se gestiona sin fines de lucro.
Los derechos de autor de los artículos pertenecen a sus autores y a las instituciones correspondientes; al compartir el contenido, basta con citar la fuente.

OnGoal: Seguimiento y visualización de objetivos conversacionales en diálogos de múltiples turnos con modelos de lenguaje amplios

Created by
  • Haebom

Autor

Adam Coscia, Shunan Guo, Eunyee Koh, Alex Endert

Describir

Este artículo presenta OnGoal, una interfaz que evalúa y gestiona eficazmente el logro de objetivos de los usuarios en conversaciones a largo plazo con modelos de lenguaje a gran escala (LLM). OnGoal facilita la navegación eficaz en conversaciones complejas al proporcionar retroalimentación en tiempo real sobre la congruencia de los objetivos mediante evaluaciones basadas en LLM, explicaciones con ejemplos de los resultados de la evaluación y resúmenes del progreso de los objetivos a lo largo del tiempo. En un estudio de tareas de escritura con 20 participantes, comparamos OnGoal con una interfaz de chat básica sin seguimiento de objetivos. Descubrimos que los participantes que usaron OnGoal redujeron el tiempo y el esfuerzo necesarios para alcanzar sus objetivos y exploraron nuevas estrategias de incitación para la resolución de errores. Esto sugiere que el seguimiento y la visualización de objetivos pueden mejorar la participación y la resiliencia en las conversaciones LLM. Nuestros hallazgos proporcionan una guía para futuros diseños de interfaces de chat LLM que permitan la retroalimentación para mejorar el rendimiento de LLM y optimizar la comunicación de objetivos, la reducción de la carga cognitiva y la interactividad.

Takeaways, Limitations

Takeaways:
En conversaciones basadas en LLM, demostramos que el seguimiento y la visualización de objetivos son eficaces para reducir el tiempo y el esfuerzo de los usuarios para alcanzar sus objetivos.
Sugiere que puede contribuir a mejorar la participación y la resiliencia de los usuarios.
Presentación de Takeaways para mejorar el diseño de la interfaz de chat de LLM (comunicar objetivos, reducir la carga cognitiva, mejorar la interactividad y brindar retroalimentación para mejorar el desempeño de LLM).
Demostramos que explorar nuevas estrategias de estímulo puede ayudar a resolver errores.
Limitations:
El número de participantes en el estudio fue relativamente pequeño: 20.
Los resultados de este estudio se limitaron a una tarea específica: la escritura. La generalización a otros tipos de tareas podría ser limitada.
Se necesita más investigación sobre la eficacia a largo plazo y la experiencia del usuario de la interfaz OnGoal.
Se necesitan más investigaciones para determinar la generalización entre diferentes LLM y diferentes tipos de conversaciones.
👍