Sep, 2023

ChaCha: 借助大型语言模型引导儿童主动分享个人事件中的情绪

PDF
TL;DRChaCha 是一个鼓励并引导儿童分享个人事件和相关情感的聊天机器人，通过结合状态机和大型语言模型，ChaCha 能保持对话的连贯性，在与儿童进行自由对话时指导儿童表达情感。通过与 20 名 8-12 岁儿童的探索性研究，我们发现参与者将 ChaCha 视为亲密的朋友，分享了关于家庭旅行和个人成就等各种话题的故事。基于定量和定性研究结果，我们讨论了利用语言模型设计儿童友好型聊天机器人支持儿童情感表达的机会。
childrenemotional communicationchatbotpersonal eventslanguage models
发现论文，激发创造
  • 对话界面中的多模态共情

    本文介绍了一种基于大型语言模型和生成式人工智能的会话式健康代理，通过分析多模态线索，它可以解释和回应用户的情绪状态，从而提供具有情境意识和共鸣力的交流回应，从而巩固交互式、富有同情心的数字健康解决方案的前沿地位。

    May, 2024

  • 情绪刺激：通过心理学为大型语言模型提升增强

    大语言模型通过 EmotionPrompt 在情绪智能方面进行性能提升，取得了显著的成果，有助于人类与语言模型的跨学科知识交互。

    Jul, 2023

  • 利用大型语言模型的潜力进行共情回应的生成：实证研究和改进

    大型语言模型在培养有同理心的对话、构建和谐社会关系以及发展有帮助的人工智能方面具有至关重要的作用。本研究通过实证调查了大型语言模型在生成有同理心的回应方面的性能，并提出了三种改进方法：语义上下文学习、两阶段交互生成和与知识库的结合。广泛的实验证明，我们的方法能够显著改善大型语言模型的性能，在自动评估和人工评估方面达到最先进的水平。此外，我们还探索了 GPT-4 模型模拟人工评估者的可能性。

    Oct, 2023

  • 在 LLMs 时代构建情感支持聊天机器人

    利用大型语言模型的能力，本研究结合人工智能和人类洞察力创建了一个详尽的情感支持对话数据集，通过递归生成方法，优化了情感支持机器人，为情感支持领域的进一步研究和实施铺平了道路。

    Aug, 2023

  • 情感感知聊天机器：为类人情感互动生成自动情感响应

    本文通过提出统一的端到端神经架构，实现对发帖的语义和情感的编码，以生成智能回复和恰当表达情感，实验证明在内容连贯性和情感适当性方面优于现有方法。

    Jun, 2021

  • 运用大型语言模型强化聊天机器人以搜集用户自报数据

    本研究旨在探讨如何设计自然语言提示以使聊天机器人能够自然地进行对话，从而可靠地收集用户自报数据。通过在线研究（N = 48），我们通过不同的自然语言提示设计和对话主题对聊天机器人进行了评估，并发现提示设计和主题显着影响了对话流程和数据收集表现。

    Jan, 2023

  • 对话式健康代理：一种个性化的 LLM 驱动代理框架

    我们正在开发一个框架，通过赋予对话健康代理（CHAs）关键思维、知识获取和问题解决能力，以增强个人医疗保健服务，并展示其在处理复杂医疗任务中的熟练性和操作能力。

    Oct, 2023

  • 情感聊天机器：利用内部和外部记忆的情感对话生成

    本文提出了 Emotion Chatting Machine（ECM），它可以生成不仅在内容（相关和语法）而且在情感（情感一致）上都恰当的响应。通过嵌入情感类别、捕捉内部情感状态的变化以及使用外部情感词汇，ECM 使用三种新机制来解决情感因素。实验表明，所提出的模型可以生成不仅在内容而且在情感上都恰当的响应。

    Apr, 2017

  • CloChat：大型语言模型中的人物角色定制、交互与体验研究

    大语言模型为生成会话代理带来了重大进展，使得在各种话题上实现无缝、情境相关的对话成为可能。然而，现有的以语言模型为驱动的对话代理拥有固定的个性和功能，限制了它们适应个人用户需求的能力。通过创建具有特定专长或特点的个性化代理人物，可以解决这个问题。尽管如此，我们对人们如何定制和与代理人物互动缺乏了解。在这项研究中，我们调查了用户如何定制代理人物以及其对互动质量、多样性和动力的影响。为此，我们开发了 CloChat，这是一个支持在大语言模型中轻松准确地定制代理人物的接口。我们进行了一项研究，比较了参与者如何与 CloChat 和 ChatGPT 互动。结果表明，参与者与定制代理人物建立了情感纽带，进行了更加动态的对话，并表现出对维持互动的兴趣。这些发现为未来使用大语言模型的对话代理系统的设计提供了启示。

    Feb, 2024

  • 打字疗法：大型语言模型聊天机器人在心理健康支持方面的经验

    通过对来自不同国家背景的 21 位个体进行访谈，我们调查了使用 LLM 聊天机器人进行心理健康支持的人们的亲身经历，并对用户如何为他们的聊天机器人创造独特的支持角色、填补日常护理的空白以及在寻求聊天机器人支持时如何应对相关的文化限制进行了分析。我们将分析基于心理治疗文献中有效支持的概念，并介绍了治疗性对齐的概念，即将人工智能与心理健康背景下的治疗价值对齐。我们的研究为设计师如何以道德且有效的方式应对 LLM 聊天机器人和其他人工智能心理健康支持工具在心理健康护理中的使用提供了建议。

    Jan, 2024