好奇心作为语言干预：使用 LLM 辅导对话影响探索性学习行为

大语言模型 (LLM) 提供了研究语言如何塑造探索性认知的新机会，因为可以在推理时系统地操纵会话策略。我们引入了 CURIOBOT，这是一个可操作 Berlyne 的对照变量、新颖性、复杂性、冲突和不确定性的框架，作为对话辅导的自适应语言干预。在跨越多个模型系列、领域和主题复杂程度的 270 场辅导对话中，以好奇心为导向的干预措施不断增加探索性学习者行为，在固定时间预算下产生高达 2.4 倍的对话轮次。为了衡量这些影响，我们进一步引入了一个以学习者为中心的评估框架，捕捉探索性提问、对话代理、富有成效的斗争和可观察到的好奇心。即使导师端的教学质量保持不变，学习者端的收益仍然存在，这表明好奇心作为一种部分独立的交互级别机制发挥作用。更广泛地说，我们的结果表明，LLM 介导的对话可以作为一个可扩展的实验框架，用于研究语言如何塑造探索性学习行为。