未知の領域をナビゲートする：個人用探索タスクのためのチャットベースの共同インタフェース

Navigating the Unknown: A Chat-Based Collaborative Interface for Personalized Exploratory Tasks

October 31, 2024

著者: Yingzhe Peng, Xiaoting Qin, Zhiyang Zhang, Jue Zhang, Qingwei Lin, Xu Yang, Dongmei Zhang, Saravan Rajmohan, Qi Zhang

cs.AI

要旨

大規模言語モデル（LLM）の台頭は、知識ベースシステムとのユーザーインタラクションを革新し、チャットボットが膨大な情報を統合し、複雑な探索的タスクを支援することを可能にしました。ただし、LLMベースのチャットボットは、特にユーザーが曖昧なクエリで始めたり、十分な文脈情報が欠如している場合に、個別のサポートを提供するのに苦労することがよくあります。本論文では、個別化を強化することを目的としたシステムである「個別化探索のための共同アシスタント（CARE）」を紹介します。このシステムは、マルチエージェントLLMフレームワークと構造化されたユーザーインターフェースを組み合わせることで、探索的タスクにおける個別化を向上させます。CAREのインターフェースには、チャットパネル、ソリューションパネル、ニーズパネルがあり、反復的なクエリの洗練と動的な解決策の生成を可能にします。マルチエージェントフレームワークは、明示的および暗黙の両方のユーザーニーズを特定し、適切で実行可能なソリューションを提供します。22人の参加者を対象とした被験者内研究では、CAREが基準となるLLMチャットボットよりも一貫して好まれ、ユーザーは認知負荷の軽減、創造性の刺激、より適したソリューションの提供を称賛しました。我々の調査結果は、CAREがLLMベースのシステムを受動的な情報検索者から個別化された問題解決と探索の積極的なパートナーに変革する可能性を示しています。

English

The rise of large language models (LLMs) has revolutionized user interactions with knowledge-based systems, enabling chatbots to synthesize vast amounts of information and assist with complex, exploratory tasks. However, LLM-based chatbots often struggle to provide personalized support, particularly when users start with vague queries or lack sufficient contextual information. This paper introduces the Collaborative Assistant for Personalized Exploration (CARE), a system designed to enhance personalization in exploratory tasks by combining a multi-agent LLM framework with a structured user interface. CARE's interface consists of a Chat Panel, Solution Panel, and Needs Panel, enabling iterative query refinement and dynamic solution generation. The multi-agent framework collaborates to identify both explicit and implicit user needs, delivering tailored, actionable solutions. In a within-subject user study with 22 participants, CARE was consistently preferred over a baseline LLM chatbot, with users praising its ability to reduce cognitive load, inspire creativity, and provide more tailored solutions. Our findings highlight CARE's potential to transform LLM-based systems from passive information retrievers to proactive partners in personalized problem-solving and exploration.