Human and LLM Facilitation in Collaborative Design Meetings: A Computational Behavioral Comparison

📄 arXiv: 2610.13082v1 📥 PDF

作者: Mohammed Azeez Khan, Aaron Dsouza, Ashutosh Mishra, Ummul Faiz Z. Bibi, Neha K. Nair, Amar Kumar Behera

分类: cs.LG

发布日期: 2026-10-09

备注: 17 pages, 7 figures, 6 tables

💡 一句话要点

比较人类与LLM在协作设计会议中的引导行为差异

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 大型语言模型 协作设计 引导行为 语义分析 人机交互 会议助手

📋 核心要点

  1. 现有研究对LLM与人类引导在协作设计中的行为差异缺乏深入分析，导致理解不足。
  2. 本文通过对比人类项目经理与LLM生成的引导行为，探索其在多个维度上的表现差异。
  3. 实验结果表明，人类引导在上下文语义距离和同理心词汇密度上更高，而LLM在主题偏离和词汇扩展上表现更佳。

📝 摘要（中文）

随着大型语言模型（LLMs）在小组讨论和协作工作中的应用日益增多，关于LLM生成的引导与人类引导之间的行为差异尚未得到充分表征。本文比较了人类项目经理在基于场景的协作设计会议中的引导行为与Llama 3.1 8B Instruct生成的响应，分析了来自AMI会议语料库的199个配对上下文。研究涵盖了五个确认维度：上下文语义距离、词汇扩展代理、同理心与模糊词汇密度、主题偏离和阶段词汇一致性。结果显示，人类引导在上下文语义距离和同理心与模糊词汇密度上表现更高，而Llama生成的引导在主题偏离、词汇扩展代理和阶段词汇一致性上表现更优。本文的行为特征为后续比较LLM引导者与人类引导者提供了参考依据。

🔬 方法详解

问题定义：本文旨在解决LLM与人类引导在协作设计会议中行为差异的表征不足，现有方法未能充分比较二者的引导效果。

核心思路：通过对比人类项目经理的引导与LLM生成的引导，分析其在上下文语义距离、词汇扩展等维度的表现，以揭示二者的行为特征。

技术框架：研究基于AMI会议语料库，选取199个配对上下文，分析五个维度的引导行为，采用相关性分析方法进行比较。

关键创新：本研究首次系统性地比较了人类与LLM在协作设计会议中的引导行为，提供了行为特征的量化参考，为后续研究奠定基础。

关键设计：研究中使用了上下文语义距离、词汇扩展代理、同理心与模糊词汇密度等多个维度进行分析，确保了比较的全面性和准确性。实验中还进行了二次无阶段检查，以验证LLM的引导效果。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，人类引导在上下文语义距离上得分为0.644，而LLM在主题偏离上得分为0.703，表明LLM在引导多样性方面表现更优。人类引导在同理心与模糊词汇密度上得分为0.203，显示出其在情感交流方面的优势。

🎯 应用场景

该研究的潜在应用领域包括智能会议助手、在线协作平台和教育培训等。通过理解人类与LLM的引导差异，可以优化协作工具的设计，提高团队沟通效率，促进创新思维的产生。

📄 摘要（原文）

Large language models (LLMs) are increasingly being explored as facilitators of group discussion and collaborative work, but the behavioral differences between LLM-generated and human facilitation remain insufficiently characterized. We compare human Project Manager facilitation turns from scenario-based collaborative design meetings with Llama 3.1 8B Instruct responses across 199 paired contexts from the AMI Meeting Corpus. The analysis covers five confirmatory dimensions: contextual semantic distance, a lexical elaboration proxy, empathyand-hedge lexical density, topic divergence, and phase-vocabulary alignment. An exploratory directiveness measure failed domain validation and is not interpreted. The sampled human Project Manager turns were higher on contextual semantic distance (r = 0.644) and on empathyand-hedge lexical density (r = 0.203). The second contrast is carried mainly by hedge terms, so we read it as lexical hedging rather than psychological empathy. Llama-generated facilitation was higher on topic divergence (r = 0.703), the lexical elaboration proxy (r = 0.288; lengthconfounded), and instruction-conditioned phase-vocabulary alignment (r = 0.382). A secondary no-phase check left the Llama-higher phase contrast in place. The system prompt still requested a facilitation move, so that check is not evidence of spontaneous phase awareness. These differences should not be interpreted as a ranking of facilitation quality. The resulting behavioral profile provides a reference point for later comparisons of LLM facilitators, human facilitators, prompts, models, and collaborative settings.