Large Language Model Agents for Improving Engagement with Behavior Change Interventions: Application to Digital Mindfulness

虽然自我导向的健康锻炼参与度通常会随着时间的推移而下降，但整合诸如教练等社会支持可以维持它。然而，由于高昂的成本和复杂的协调，传统形式的支持通常无法获得。大型语言模型（LLM）展示了提供类似于社会支持的人类对话的潜力。然而，对于支持行为变革的LLM进行深入的实地调查仍未得到充分探索。我们进行了两项随机实验，以评估LLM代理对用户参与正念练习的影响。首先，单次会话研究涉及502名众包工作者；第二个是为期三周的研究，包括54名参与者。我们探索了两种类型的LLM代理：一种提供信息，另一种促进自我反思。两种代理都增强了用户进行正念练习的意愿。然而，只有提供友好个性的信息提供LLM显着提高了练习的参与度。我们的研究结果表明，特定的LLM代理可能弥合数字健康干预中的社会支持差距。

研究LLMs在支持行为改变方面的作用

使用LLMs提供人类对话，模拟社交支持，提高用户参与度

通过两个随机实验探索LLMs在支持正念练习方面的作用，发现提供信息的LLM可以显著提高用户参与度，具有潜在的数字健康干预应用

近期研究包括使用机器人提供支持的研究，如“机器人对社交支持的影响：一项随机对照试验”