arXiv cs.AI· Jayalakshmi Baskar, Vera C. Kaelin, Kaan Kilic, Helena Lindgren·· 3 天前AI 评分18
基于论证的老年人个性化故事生成：一种反思式混合 AI 架构
Argumentation-Based Person-Tailored Storytelling for Older Adults: A Reflective Hybrid AI Architecture
AI 导读
一项研究提出反思式故事生成智能体，整合知识图谱、用户建模与论证理论，为老年人定制叙事。Phase II 中 55 位老年人对 330 次评估里仅 30.6% 识别出预期目的；Phase III 显示完整系统人物设定落地率为 67.6%，高于无论证方案引导的 57.9%，但差异不显著。零样本论证挖掘与人工共识标注仅中等一致，定位为审查辅助而非验证器。
正文 · AI 翻译
摘要：本研究探讨了面向老年人的、基于知识驱动的大语言模型（LLM）故事讲述。我们提出了一种反思性故事讲述智能体，整合知识图谱、用户建模和论证理论，以引导个性化叙事。论证挖掘支持对论证结构的检查，而人物设定基础则单独针对结构化信息进行评估。
该研究包含三个阶段。第一阶段涉及 11 位领域专家，其反馈为系统改进提供了依据。第二阶段涉及 55 位老年人，他们基于预定义人物设定，在探究、审议和说服目的以及两种创造力水平下评估叙事。第三阶段将完整系统与论证方案消融版本及标准 LLM 基线进行比较，并针对人类共识标注验证了零样本论证挖掘。
在第二阶段，330 次评估中有 30.6% 识别出了预期目的；33.3% 表示没有明确目的，36.1% 表示是其他目的。文化相关性在描述性上与未来使用意向相关，尽管 55 位参与者中有 30 位不打算使用类似功能。
在第三阶段，完整系统中 67.6% 的适用抽样陈述具有人物设定基础，而无方案指导时为 57.9%，差异不显著。方案指导增加了显式前提，但未改变主张数量。与标准 LLM 基线相比，完整系统显示出显著更高的抽样基础。零样本论证挖掘与人类共识标注显示出中等一致性，支持其作为检查辅助工具而非验证器的作用。这些发现凸显了面向老年人的反思性、个性化 LLM 故事讲述的潜力和局限性。
| 评论： | 收录于 Jayalakshmi Baskar 的学位论文 |
| 学科： | 人工智能（cs.AI） |
| ACM 分类： | H.5.2; I.2.7 |
| 报告 编号： | UMINF: 26.15 |
| 引用为： | arXiv:2605.10531 [cs.AI] |
| （或 arXiv:2605.10531v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2605.10531 arXiv 颁发的 DOI（通过 DataCite） |
提交历史
来自：Jayalakshmi Baskar [查看电子邮件]
[v1]
2026年5月11日星期一 13:17:31 UTC（669 KB）
[v2]
2026年10月11日星期日 12:58:02 UTC（752 KB）
来源：arXiv cs.AI · arxiv.org