Modello linguistico di grandi dimensioni (LLM)-assistenti in-application basati, o copiloti, Potere
automatizzare le attività del software, ma gli utenti spesso preferiscono imparare facendo, innalzamento
domande sul livello ottimale di automazione per un utente efficace
esperienza. Abbiamo studiato due paradigmi di automazione progettando e
implementare un copilota completamente automatizzato (AutoCopilota) e un semiautomatico
copilota (Copilota guidato) che automatizza passaggi banali durante l'offerta
guida visiva passo dopo passo. In uno studio sugli utenti (N=20) attraverso l'analisi dei dati e
compiti di progettazione visiva, GuidedCopilot ha superato AutoCopilot nel controllo utente,
utilità software, e apprendibilità, soprattutto per quello esplorativo e creativo
compiti, mentre AutoCopilot ha risparmiato tempo per attività visive più semplici. Un seguito
esplorazione progettuale (N=10) GuidedCopilot migliorato con riconoscimento delle attività e dello stato
caratteristiche, incluse clip di anteprima nel contesto e istruzioni adattive. Nostro
I risultati evidenziano il ruolo fondamentale del controllo da parte dell’utente e della guida personalizzata
progettare la prossima generazione di copiloti che migliorano la produttività, supporto
diversi livelli di abilità, e promuovere un coinvolgimento più profondo del software.

Questo articolo esplora i giri e le loro implicazioni.

Scarica PDF: