标签
本文实证研究了自然对话中问题的显著性与可回答性之间的关系，发现一个稳健但低的正相关关系，且弱于独白文本中的相关性，这表明对话结构的可预测性较低。
介绍了Empath，一个用于分析危机咨询对话中情绪动态的框架，该框架应用于与黑人文本使用者的悲伤讨论，揭示了诸如持续性负面情感和渐进希望转变等模式。
本研究比较了人机对话与人人对话中道德、礼貌和对齐的作用，发现AI再现了合作的表面特征，但缺乏内在的社会适应性。
本文介绍了一个以生产力为导向的框架，用于评估人机协作，该框架基于相对于交互成本的结果质量。研究表明，相同质量评分在交互成本上可能存在显著差异，且主观用户评分对于衡量生产力并不可靠。
本文评估LLM生成的网络欺凌对话是否忠实地再现了真实互动的社会动态，发现虽然高级结构得以保留，但更细粒度的细节以模型依赖的方式系统性地扭曲。
本文提出了TamGraph，一种目标感知记忆图方法，该方法使用熵引导机制动态选择相关历史对话，以增强LLM在对话立场检测任务中的性能。
本研究探讨了如何通过编码的GenAI虚拟患者对话，为医学教育中的临床推理提供教师可解释的过程证据，利用学习分析来分析医学生的对话日志。
研究者用三个开源大模型为PersuasionForGood语料库中的10,600条说服者回合标注41种说服策略，发现策略类别对捐赠方差解释力极低，而“内疚诱导”显著降低捐赠率。
本文介绍了会话信息增益（CIG）框架，用于通过跟踪不断演变的语义记忆来衡量发言如何推进审议对话中的集体理解，并根据新颖性、相关性和蕴含范围对发言进行评分。作者证明了基于记忆的动态与人类感知的对话质量相关性强于传统启发式方法，并开发了基于LLM的信息中心会话分析预测器。