摘要
随着对话式人工智能系统的设计越来越多地考虑重复使用，一个核心问题是如何将一系列互动转变为关系。我们进行了一项纵向多模态研究，研究了一个增强记忆的对话代理，包含 24 名参与者和 10 次会话，参与者在每次会话后对五个关系构建进行了评分——熟悉度、自我披露、感知记忆、对话质量和享受度。
两个互补的动态出现。首先，对话质量在当下强烈影响会话的享受感，但不会持续到后续会话；而感知记忆则是关系性的，受到先前关系状态的预测，而不仅仅反映系统能力，它通过后续的自我披露间接影响后续的享受度。
其次，关系是由离散的转折点所标志——崩溃和激增——这些转折点在多模态行为中部分可追溯，并开启不同的干预窗口：激增在当下更容易被行为检测到，享受的激增比享受的崩溃更可靠地持续，而某些崩溃则更容易通过个体特定的行为漂移进行预测，而不是在其发生后才被检测到。
综合来看，这些发现表明，纵向的人机关系是通过缓慢的积累和突然的转折点共同建立的。
博主点评： 本研究揭示了人机互动中关系发展的复杂性，强调了记忆在促进自我披露和享受度中的关键作用。未来的对话式AI系统设计应更多地考虑如何在交流中利用这些动态，提升用户体验和满意度。