通过心理语言学和认知增强技术，利用大型语言模型来提升共识构建的反馈效果

《IEEE Transactions on Systems, Man, and Cybernetics: Systems》：Enhancing Consensus-Building Feedback Through Psycholinguistic and Epistemic Augmentations With Large Language Models

　　

摘要：

群体决策（Group Decision-Making, GDM）是多个领域中的关键过程，包括政策规划、医疗资源优先排序和危机管理，其中多个利益相关者共同评估各种方案并努力实现共同目标。在这种背景下，模糊共识模型（Fuzzy Consensus Model, FCM）提供了一个结构化的框架，用于在不确定性下量化共识并逐步引导偏好对齐。然而，该模型及其变体通常依赖于数值阈值和标准化的反馈机制，这些机制无法充分捕捉到异质决策者的认知多样性、动机动态和沟通需求。为了解决这些局限性，本研究引入了一种集成架构，将FCM与大型语言模型（Large Language Models, LLMs）和检索增强生成技术（Retrieval-Augmented Generation）相结合。所提出的方法通过将数值反馈转化为具有情境意识、具有说服力且能够适应心理需求的指导来增强共识构建。反馈信息基于大五人格模型（Big Five Model）通过心理测量学分析进行个性化处理。信息生成遵循基于双重说服过程理论的结构化提示策略。此外，还整合了外部知识来源以提高透明度和认知可靠性。该系统通过两阶段实验协议进行了评估。结果表明，LLMs能够生成针对个人特征定制的有说服力的反馈，当与FCM结合使用时，可以通过减少迭代次数和提高对齐度来促进更高效的共识形成过程。