OnGoal : Suivi et visualisation des objectifs conversationnels dans les dialogues multi-tours avec les grands modèles de langage

OnGoal: Tracking and Visualizing Conversational Goals in Multi-Turn Dialogue with Large Language Models

August 28, 2025

papers.authors: Adam Coscia, Shunan Guo, Eunyee Koh, Alex Endert

cs.AI

papers.abstract

Alors que les dialogues multi-tours avec les grands modèles de langage (LLM) deviennent plus longs et plus complexes, comment les utilisateurs peuvent-ils mieux évaluer et suivre l'avancement de leurs objectifs conversationnels ? Nous présentons OnGoal, une interface de chat basée sur un LLM qui aide les utilisateurs à mieux gérer la progression de leurs objectifs. OnGoal fournit un retour en temps réel sur l'alignement des objectifs grâce à une évaluation assistée par le LLM, des explications des résultats d'évaluation accompagnées d'exemples, et des aperçus de la progression des objectifs au fil du temps, permettant aux utilisateurs de naviguer plus efficacement dans des dialogues complexes. À travers une étude menée avec 20 participants sur une tâche d'écriture, nous avons évalué OnGoal par rapport à une interface de chat de base sans suivi d'objectifs. En utilisant OnGoal, les participants ont passé moins de temps et d'efforts pour atteindre leurs objectifs tout en explorant de nouvelles stratégies de prompt pour surmonter les malentendus, suggérant que le suivi et la visualisation des objectifs peuvent améliorer l'engagement et la résilience dans les dialogues avec les LLM. Nos résultats ont inspiré des implications de conception pour les futures interfaces de chat basées sur les LLM, visant à améliorer la communication des objectifs, réduire la charge cognitive, renforcer l'interactivité, et permettre un retour d'information pour améliorer la performance des LLM.

English

As multi-turn dialogues with large language models (LLMs) grow longer and more complex, how can users better evaluate and review progress on their conversational goals? We present OnGoal, an LLM chat interface that helps users better manage goal progress. OnGoal provides real-time feedback on goal alignment through LLM-assisted evaluation, explanations for evaluation results with examples, and overviews of goal progression over time, enabling users to navigate complex dialogues more effectively. Through a study with 20 participants on a writing task, we evaluate OnGoal against a baseline chat interface without goal tracking. Using OnGoal, participants spent less time and effort to achieve their goals while exploring new prompting strategies to overcome miscommunication, suggesting tracking and visualizing goals can enhance engagement and resilience in LLM dialogues. Our findings inspired design implications for future LLM chat interfaces that improve goal communication, reduce cognitive load, enhance interactivity, and enable feedback to improve LLM performance.