Memory-Driven Self-Disclosure and Relational Turning Points: A Longitudinal Multimodal Study of Human-AI Interaction
作者: Ryuichi Sumida, Mao Saeki, Masaki Eguchi, Sadahiro Yoshikawa, Koji Inoue, Tatsuya Kawahara, Yoichi Matsuyama
分类: cs.HC, cs.AI, cs.CL
发布日期: 2026-07-16
备注: 15 pages, 3 figures. Accepted to ICMI 2026 (International Conference on Multimodal Interaction), October 5-9, 2026, Napoli, Italy
💡 一句话要点
提出记忆驱动的自我揭示模型以增强人机关系
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 人机交互 记忆增强 自我揭示 关系转折点 多模态研究 对话系统 用户体验
📋 核心要点
- 现有对话系统在建立长期人机关系方面存在挑战，尤其是在互动质量和记忆的持续性上。
- 本文提出了一种记忆增强的对话代理，通过纵向研究探讨了人机互动中的自我揭示和关系转折点。
- 实验结果显示，对话质量与享受度的瞬时关系以及感知记忆的关系状态影响，揭示了人机关系的动态特征。
📝 摘要（中文）
随着对话式人工智能系统的重复使用，如何将一系列互动转变为关系成为核心问题。本文通过一项纵向多模态研究，探讨了记忆增强的对话代理在24名参与者的10次会话中的表现。参与者在每次会话后评估了五个关系构建要素：熟悉度、自我揭示、感知记忆、对话质量和享受度。研究发现，对话质量在瞬时影响享受度，但不会在会话间延续，而感知记忆则受到先前关系状态的影响，并通过后续自我揭示间接影响享受度。此外，关系中存在明显的转折点，这些转折点在多模态行为中部分可追踪，研究结果表明，纵向人机关系是通过缓慢积累和突发转折共同构建的。
🔬 方法详解
问题定义：本文旨在解决如何通过对话式人工智能系统建立长期人机关系的问题。现有方法在互动质量和记忆的持续性方面存在不足，难以维持用户的参与感和满意度。
核心思路：研究通过引入记忆增强机制，探讨自我揭示和关系转折点如何影响用户体验。设计上强调了关系状态的积累和突发事件的影响，以更好地理解人机互动的动态特征。
技术框架：整体架构包括数据收集、用户反馈分析和关系状态建模三个主要模块。数据收集通过多模态输入（如语音、文本）进行，用户反馈用于评估关系构建要素，最后通过模型分析关系动态。
关键创新：最重要的创新在于识别和分析关系中的转折点，尤其是如何通过多模态行为预测这些转折点。这与现有方法的主要区别在于强调了关系的动态性和用户行为的个性化。
关键设计：在技术细节上，采用了特定的参数设置来优化用户反馈的收集，损失函数设计关注于提升对话质量和用户满意度，网络结构则结合了记忆模块以增强系统的记忆能力。
🖼️ 关键图片
📊 实验亮点
实验结果表明，对话质量对享受度的瞬时影响显著，但不会在会话间延续。感知记忆则受到先前关系状态的影响，间接提升后续的享受度。研究还发现，关系中的转折点可通过多模态行为进行部分预测，提供了新的干预窗口。
🎯 应用场景
该研究的潜在应用领域包括智能客服、社交机器人和个性化学习助手等。通过增强人机关系的建立，能够提升用户体验和满意度，进而推动人工智能在日常生活中的广泛应用。未来，该研究可能影响人机交互设计的标准和方法，促进更自然的交流方式。
📄 摘要（原文）
As conversational AI systems are designed for repeated use, a central question is how a series of interactions becomes a relationship. We present a longitudinal multimodal study of a memory-augmented conversational agent (24 participants x 10 sessions), in which participants rated five relational constructs -- familiarity, self-disclosure, perceived memory, conversational quality, and enjoyment -- after each session. Two complementary dynamics emerge. First, conversational quality strongly shapes how enjoyable a session feels in the moment but does not carry forward across sessions, whereas perceived memory is relationally conditioned -- predicted by prior relational state rather than reflecting system capability alone -- and it shapes later enjoyment indirectly, via subsequent self-disclosure. Second, relationships are punctuated by discrete turning points -- crashes and surges -- that are partially traceable in multimodal behavior and open different intervention windows: surges are more behaviorally detectable in the moment, enjoyment surges persist more reliably than enjoyment crashes recover, and some crashes are better forecast from person-specific behavioral drift than detected after they have already occurred. Together, the findings suggest that longitudinal human-AI relationships are built through both slow accumulation and abrupt turning points.