未知未知领域中的参与式人类学习
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了语言模型驱动的聊天机器人在用户探索未知未知领域时面临的信息发现难题。提出的合作STORM（Co-STORM）方法允许用户在多语言模型代理的对话中观察和引导讨论，从而意外发现信息。结果显示，Co-STORM在信息追踪和报告质量上优于基线方法，70%的参与者更偏爱此平台而非搜索引擎。
该文章介绍了一种机器-人类管道，通过使用基于LLM的代理体系结构和将对话与人物和时间事件图进行关联，生成高质量的非常长期的对话。作者通过人类注释者对对话进行检验和编辑，以确保其长程一致性和对事件图的关联。实验结果表明，LLM在理解冗长对话和理解对话中的长程时间和因果动态方面存在挑战。使用长上下文LLM或RAG等策略可以提供改进，但这些模型仍然远远落后于人类的性能。
