arXiv cs.AI· Parisa Ghanad Torshizi, Stacy Marsella·· 10 小时前AI 评分31
当言语与肢体不一致：LLM 如何实现言语与非言语行为的错位表达
When Words and Bodies Disagree: Realizing Verbal and Nonverbal Mismatch
AI 导读
研究提出强化、缓和与泄露三类言语—非言语错位分类法，并验证 LLM 在给定社交语境时能成功选择目标错位行为（如讽刺）。人类被试实验显示，这些非言语线索显著改变观察者对虚拟智能体态度与情绪效价的感知，且被试能区分不同错位功能，相较匹配基线出现明确的社会意义方向性偏移。
正文 · AI 翻译
摘要：传统的虚拟代理非言语行为生成系统通常以话语为输入，生成与所说内容相匹配或对其进行说明的行为。然而，人类的非言语行为不仅仅由言语内容塑造。它还受到说话者角色、人际关系、社会语境以及互动者的认知和情绪状态的影响。因此，非言语渠道承载着隐藏在言语中的信息或情绪。对这类复杂的言语—非言语不匹配进行建模，对于逼真的虚拟代理至关重要，尤其是在训练类应用中。我们提出了一种不匹配分类法：强化、缓和与泄露，并评估 LLM 能否选择在语境上合适的不匹配行为。通过人类被试研究，我们评估这些由语境驱动的行为在虚拟人框架中实现后，是否能产生预期效果。结果表明，当向 LLM 提供社会语境提示时，它们能够成功选择目标不匹配行为（例如讽刺）。此外，人类被试评估证实，这些非言语线索显著改变了观察者对代理态度和情绪效价的感知。参与者能够成功区分不同的不匹配功能，例如强化、缓和与泄露，并且与匹配基线相比，感知到社会意义出现了明确的方向性转变。
| 学科： | 人工智能（cs.AI）；人机交互（cs.HC）；机器人学（cs.RO） |
| 引用为： | arXiv:2608.22731 [cs.AI] |
| （或 arXiv:2608.22731v2 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2608.22731 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Parisa Ghanad Torshizi [查看邮箱]
[v1]
2026年8月24日星期一 02:38:55 UTC（1,994 KB）
[v2]
2026年11月10日星期二 17:26:07 UTC（4,193 KB）
来源：arXiv cs.AI · arxiv.org