दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

ऑनगोल: बड़े भाषा मॉडल के साथ बहु-मोड़ संवाद में वार्तालाप लक्ष्यों को ट्रैक करना और विज़ुअलाइज़ करना

Created by
  • Haebom

लेखक

एडम कोस्किया, शुनान गुओ, यूनीई कोह, एलेक्स एंडर्ट

रूपरेखा

यह शोधपत्र OnGoal प्रस्तुत करता है, एक ऐसा इंटरफ़ेस जो बड़े पैमाने के भाषा मॉडल (LLM) के साथ दीर्घकालिक वार्तालापों में उपयोगकर्ताओं की लक्ष्य प्राप्ति का प्रभावी ढंग से आकलन और प्रबंधन करता है। OnGoal, LLM-आधारित आकलनों, मूल्यांकन परिणामों के उदाहरणों सहित स्पष्टीकरणों और समय के साथ लक्ष्य प्रगति के अवलोकन के माध्यम से वास्तविक समय में लक्ष्य अनुरूपता फ़ीडबैक प्रदान करके जटिल वार्तालापों में प्रभावी नेविगेशन की सुविधा प्रदान करता है। 20 प्रतिभागियों से जुड़े एक लेखन कार्य अध्ययन में, हमने OnGoal की तुलना लक्ष्य ट्रैकिंग रहित एक बुनियादी चैट इंटरफ़ेस से की। हमने पाया कि OnGoal का उपयोग करने वाले प्रतिभागियों ने अपने लक्ष्यों को प्राप्त करने में लगने वाले समय और प्रयास को कम किया और त्रुटि समाधान के लिए नई प्रेरणा रणनीतियों की खोज की। इससे पता चलता है कि लक्ष्य ट्रैकिंग और विज़ुअलाइज़ेशन LLM वार्तालापों में जुड़ाव और लचीलापन बढ़ा सकते हैं। हमारे निष्कर्ष भविष्य के LLM चैट इंटरफ़ेस डिज़ाइनों के लिए मार्गदर्शन प्रदान करते हैं जो LLM प्रदर्शन को बेहतर बनाने और लक्ष्य संचार, संज्ञानात्मक भार में कमी और अंतःक्रियाशीलता को बढ़ाने के लिए फ़ीडबैक को सक्षम करते हैं।

Takeaways, Limitations

Takeaways:
एलएलएम-आधारित वार्तालापों में, हम प्रदर्शित करते हैं कि लक्ष्य ट्रैकिंग और विज़ुअलाइज़ेशन, उपयोगकर्ताओं के लक्ष्यों को प्राप्त करने के लिए समय और प्रयास को कम करने में प्रभावी हैं।
इसमें सुझाव दिया गया है कि यह उपयोगकर्ता की सहभागिता और लचीलेपन को बेहतर बनाने में योगदान दे सकता है।
एलएलएम चैट इंटरफ़ेस के डिज़ाइन को बेहतर बनाने के लिए __T5_____ का सुझाव दें (लक्ष्यों को संप्रेषित करें, संज्ञानात्मक भार को कम करें, अन्तरक्रियाशीलता को बढ़ाएँ, और एलएलएम प्रदर्शन को बेहतर बनाने के लिए प्रतिक्रिया प्रदान करें)।
हम बताते हैं कि नई त्वरित रणनीतियों की खोज से त्रुटियों को हल करने में मदद मिल सकती है।
Limitations:
अध्ययन में भाग लेने वालों की संख्या अपेक्षाकृत कम यानी 20 थी।
इस अध्ययन के परिणाम एक विशिष्ट कार्य, लेखन, तक सीमित थे। अन्य प्रकार के कार्यों के लिए सामान्यीकरण सीमित हो सकता है।
ऑनगोल इंटरफ़ेस की दीर्घकालिक प्रभावशीलता और उपयोगकर्ता अनुभव पर आगे अनुसंधान की आवश्यकता है।
विभिन्न एलएलएम और विभिन्न प्रकार की बातचीत में सामान्यीकरण को निर्धारित करने के लिए आगे अनुसंधान की आवश्यकता है।
👍