注册

本地LLM驱动的可溯源动态访谈架构发布，246人验证

论文AI 评分 62/100arXiv cs.AI
AI 聚合

本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。

一篇被 Springer Nature 丛书收录的论文提出「证据可溯源动态访谈架构」，用本地部署的大模型在整段对话中根据受访者回答持续调整提问深度。系统包含五个提示驱动的模块，并维护持久的访谈状态记录，实时刻画受访者专业水平以生成难度匹配的问题、表述和过渡语。在 246 名参与者上的评测中，专业刻画模块与独立报告的专业水平完全一致率为 78.9%，加权 Cohen's K 为 0.80；迭代提问模块显示出专业水平与问题复杂度的强关联；参与者对相关性、参与度和满意度的评分均值分别为 4.41、4.32 和 4.38。

全文梳理

AI 摘要依据下方信源原文自动整理，非原文转载

要解决的问题

现有自动访谈与对话代理多依赖固定问题序列，个性化程度有限，且不考量受访者已有知识，容易产生重复或与主题无关的追问。论文因此提出需要一种自适应访谈系统，在保持对话连续性和语义推进的同时调整问题深度。这一需求场景覆盖研究、招聘、客户服务和教育等用途。作者给出的方案是证据可溯源的动态访谈架构，其核心差异在于访谈全程依据受访者回答与不断演变的上下文持续调整，而不是按预设脚本走完流程。

架构与运行方式

该架构依托本地托管的大语言模型运行，由五个提示驱动的模块组成，并配有持久的访谈状态记录来支撑各项功能。系统在对话过程中实时刻画受访者的专业水平，据此生成知识难度相匹配的问题、表述清晰的回应，以及用于衔接话题的过渡信息，从而维持对话的连续性。论文强调「证据可溯源」，即访谈中的判断与追问可以回溯到对话中已出现的依据，而非模型凭空生成。本地部署意味着访谈数据不必离开本地环境，这一点对涉及敏感受访内容的调研场景有实际意义。

评测结果

作者用 246 名参与者对该访谈系统进行了评测。专业刻画模块与参与者独立报告的专业水平相比，完全一致率为 78.9%，加权 Cohen's K 为 0.80，说明该模块的判定与外部参照有较高吻合度。迭代提问模块显示出专业水平与问题复杂度之间存在强关联，统计检验的 p 值小于 .001。参与者自评方面，相关性均值为 4.41，参与度均值为 4.32，满意度均值为 4.38。作者据此认为，架构中的自适应组件按其设计意图稳定运行，同时受访者对访谈体验给出了正面评价。

发表去向

该论文已被 Springer Nature 出版的图书 AI in Education: Pedagogy, Ethics, and Society 接收，属于 Transactions on Computational Science and Compu… 丛书系列。论文于 2026 年 10 月 8 日提交至 arXiv cs.AI，作者为 Aisvarya Adeseye、Jouni Isoaho、Adeyemi Adeseye、Seppo Virtanen 和 Mohammad Tahir。目前提供 PDF 与实验性 HTML 两种阅读形式。

为什么值得看

用本地模型做自适应访谈并给出可复核的评测数据，对做对话系统与调研工具的人有直接参考价值。

大模型论文

信源1 家

  1. [1]arXiv cs.AI一手信源Evidence-Traceable Dynamic Interviewer Architecture for Expertise-Adaptive Qualitative Interviews Using Local LLMs

关键事实

  • 论文提出 Evidence-Traceable Dynamic Interviewer Architecture，使用本地托管的大语言模型[1]

  • 架构由五个提示驱动模块和持久访谈状态记录组成[1]

  • 专业刻画模块与独立报告的专业水平完全一致率 78.9%，加权 Cohen's K 为 0.80[1]

  • 评测覆盖 246 名参与者，相关性、参与度、满意度均值分别为 4.41、4.32、4.38[1]

  • 论文被 Springer Nature 丛书中的 AI in Education 一书接收[1]

相关 · 论文

DreamX 将预训练视频扩散模型改造为通用潜在动作学习器

11月4日 周三·AI 78

arXiv 论文提出「认知共生体」概念，主张 AI 增强人的智能

11月4日 周三·AI 58

独立复现 DNO-Prct：Llama 3.1 8B 对 GPT-4o 胜率升…

11月4日 周三·AI 72

研究提出 PEARL 方法，用于持久抑制语言模型的不对齐行为

11月4日 周三·AI 78

本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。

去论坛讨论