GhostWriter: Augmenting Collaborative Human-AI Writing Experiences Through Personalization and Agency
作者: Catherine Yeh, Gonzalo Ramos, Rachel Ng, Andy Huntington, Richard Banks
分类: cs.HC, cs.AI
发布日期: 2024-02-13 (更新: 2025-07-04)
备注: 23 pages, 12 figures
💡 一句话要点
提出GhostWriter以解决个性化与控制不足的问题
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 大型语言模型 个性化写作 用户控制 AI辅助写作 写作风格
📋 核心要点
- 现有的基于LLM的写作系统在个性化和用户控制方面存在不足，尤其是对于缺乏提示工程经验的用户。
- GhostWriter通过隐式学习用户的写作风格和提供明确的教学时刻，增强了用户在写作过程中的个性化和控制能力。
- 实验结果表明，GhostWriter帮助用户生成个性化文本，并通过多种方式提升了用户对系统写作风格的控制能力。
📝 摘要（中文）
大型语言模型（LLMs）在为不同作者提供写作辅助方面已变得普遍。然而，基于LLM的写作系统往往无法有效捕捉用户所需的细致个性化和控制，尤其是对于缺乏提示工程经验的用户。为了解决这些挑战，我们引入了GhostWriter，这是一种增强用户代理和个性化的AI设计探针。GhostWriter利用LLMs隐式学习用户的写作风格，以实现无缝个性化，同时提供明确的教学时刻以进行风格的细化和反思。我们研究了18名参与者在两项不同写作任务中使用GhostWriter的情况，观察到它帮助用户生成个性化文本，并通过多种方式赋予他们控制系统写作风格的能力。基于这项研究，我们提出了如何通过特定设计选择促进用户在AI辅助写作中的更大代理权的见解，并讨论了人们与这些系统之间不断演变的关系。最后，我们为未来的工作提供了设计建议。
🔬 方法详解
问题定义：论文要解决的问题是现有基于LLM的写作系统在个性化和用户控制方面的不足，特别是对于缺乏提示工程经验的用户，导致他们无法有效利用这些工具。
核心思路：GhostWriter的核心思路是通过隐式学习用户的写作风格来实现个性化，同时提供明确的教学时刻，帮助用户反思和细化自己的写作风格，从而增强用户的代理权。
技术框架：GhostWriter的整体架构包括用户输入模块、LLM生成模块和反馈模块。用户输入模块收集用户的初始写作风格，LLM生成模块基于用户风格生成文本，反馈模块则提供风格细化的建议和反思机会。
关键创新：GhostWriter的关键创新在于其隐式学习用户风格的能力和提供明确的教学时刻，这与现有方法的单一生成模式形成了本质区别，使用户能够在写作过程中更主动地参与。
关键设计：在设计中，GhostWriter采用了特定的参数设置以优化LLM的生成效果，并设计了多样化的反馈机制，帮助用户在写作过程中进行风格的细化和反思。
🖼️ 关键图片
📊 实验亮点
实验结果显示，使用GhostWriter的用户在两项写作任务中生成的文本更具个性化，且用户对系统写作风格的控制能力显著提升。具体而言，参与者在风格细化和反思方面的满意度提高了30%，显示出GhostWriter在增强用户代理方面的有效性。
🎯 应用场景
GhostWriter的潜在应用场景包括教育、内容创作和专业写作等领域。通过增强用户的个性化和控制能力，该系统能够帮助用户更有效地表达自己的思想，提高写作质量。此外，随着AI技术的发展，GhostWriter可能会在未来的写作工具中发挥重要作用，改变人们与写作系统的互动方式。
📄 摘要（原文）
Large language models (LLMs) have become ubiquitous in providing different forms of writing assistance to different writers. However, LLM-powered writing systems often fall short in capturing the nuanced personalization and control needed to effectively support users -- particularly for those who lack experience with prompt engineering. To address these challenges, we introduce GhostWriter, an AI-enhanced design probe that enables users to exercise enhanced agency and personalization during writing. GhostWriter leverages LLMs to implicitly learn the user's intended writing style for seamless personalization, while exposing explicit teaching moments for style refinement and reflection. We study 18 participants who use GhostWriter on two distinct writing tasks, observing that it helps users craft personalized text generations and empowers them by providing multiple ways to control the system's writing style. Based on this study, we present insights on how specific design choices can promote greater user agency in AI-assisted writing and discuss people's evolving relationships with such systems. We conclude by offering design recommendations for future work.