LLM對話代理人格與對齊對目標導向任務使用者感知之影響研究
arXiv - Human-Computer InteractionHasibur Rahman, Smit Desai
研究發現中等程度人格表達與人格對齊能提升使用者對LLM對話代理的信任與喜好，並指出外向與情緒穩定是關鍵特質。
AI 幫你先抓重點
AI 重點 1
人格表達的中等強度是提升使用者體驗的關鍵，而非過度或不足。
滑鼠懸停看 AI 判斷理由
此發現挑戰傳統認為越多表達越好，提示設計師需平衡表達量以避免過度負擔或冷漠，對於打造自然且可信的對話代理至關重要。
AI 重點 2
外向與情緒穩定是最具影響力的特質，設計時可優先調整這兩項以快速提升使用者信任。
滑鼠懸停看 AI 判斷理由
因為這兩項特質與使用者的情緒共鳴與互動頻率高度相關，優先優化可在有限資源下快速提升代理效能，對實務應用具有直接可行性。
核心研究發現
- 1
中等程度的人格表達在智能、樂趣、擬人化、採用意向、信任與喜好評價上顯著優於低或高表達。
- 2
人格對齊提升評價，外向與情緒穩定特質對使用者感知影響最大。
- 3
聚類分析揭示三種相容性配置，其中「高度相容」使用者報告最正面感知。
對教育工作者的啟發
設計LLM對話代理時，先設定中等程度的人格表達，避免過度或不足；同時優先調整外向與情緒穩定特質以提升信任與喜好。可透過Trait Modulation Keys框架快速調整特質，並在實際應用前進行小規模用戶測試，確保相容性配置符合目標使用者。
原始文獻資訊
- 英文標題：
- Vibe Check: Understanding the Effects of LLM-Based Conversational Agents' Personality and Alignment on User Perceptions in Goal-Oriented Tasks
- 作者：
- Hasibur Rahman, Smit Desai
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。