# Vibe Check: Understanding the Effects of LLM-Based Conversational Agents' Personality and Alignment on User Perceptions in Goal-Oriented Tasks

### 저자

Hasibur Rahman, Smit Desai

### 💡 개요

이 연구는 대규모 언어 모델(LLM) 기반 대화형 에이전트(CA)의 개성 표현 수준과 사용자-에이전트 개성 일치가 사용자의 인식을 어떻게 형성하는지 탐구합니다. 여행 계획 목표 지향적 과제에서 중간 수준의 개성 표현이 가장 긍정적인 평가를 받았으며, 특히 외향성과 정서적 안정성이 일치할 때 효과가 더욱 증대되었습니다. 이는 LLM 기반 CA의 최적 설계를 위한 중요한 통찰을 제공합니다.

### 🔑 시사점 및 한계

- LLM 기반 CA의 개성 표현은 중간 수준일 때 사용자 만족도 및 신뢰도 측면에서 가장 긍정적인 결과를 가져오는 역U자 관계를 보입니다.

- 사용자와 CA 간의 개성, 특히 외향성과 정서적 안정성에서의 일치는 전반적인 사용자 경험을 크게 향상시킵니다.

- 본 연구는 특정 목표 지향적 과제(여행 계획)에 국한되었으며, 다른 유형의 과제나 문화적 맥락에서의 일반화 가능성에 대한 추가 연구가 필요합니다.

[PDF 보기](https://arxiv.org/pdf/2509.09870)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).