文章總結(jié)與翻譯一、主要內(nèi)容本文聚焦于利用大型語(yǔ)言模型（LLMs）自動(dòng)化認(rèn)知走查（CW）這一可用性測(cè)試方法，核心探索LLMs能否模擬人類在CW中的行為，以降低傳統(tǒng)測(cè)試的成本和資源消耗。研究設(shè)計(jì)雙角色LLM代理架構(gòu)：設(shè)計(jì)了 facilitator（引導(dǎo)者）和 evaluator（評(píng)估者）兩個(gè)AI代理，分別模擬CW中的研究人員引導(dǎo)角色和用戶評(píng)估角色，通過(guò)迭代優(yōu)化的提示詞實(shí)現(xiàn)界面導(dǎo)航、思維外顯和流程推進(jìn)。兩項(xiàng)對(duì)比研究：研究1：對(duì)比GPT-4、Gemini-2.5-pro與10名人類評(píng)估者在兩款移動(dòng)應(yīng)用（語(yǔ)言學(xué)習(xí)類、旅行預(yù)訂類）上的CW表現(xiàn)，從任務(wù)完成率、導(dǎo)航路徑一致性、潛在失敗點(diǎn)識(shí)別三個(gè)維度展開分析。研究2：探索通過(guò)額外提示詞優(yōu)化LLM對(duì)人類潛在失敗點(diǎn)的預(yù)測(cè)能力，對(duì)比“有上下文”（LLM完整走查流程）和“無(wú)上下文”（僅單屏獨(dú)立評(píng)估）兩種模式的效果。核心發(fā)現(xiàn)LLM與人類的行為差異：LLM的任務(wù)完成率更高（GPT-4達(dá)100%，Gemini-2.5-pro達(dá)97.2%，人類為88.2%），導(dǎo)航路徑更接近最優(yōu)路徑，步驟更少；人類評(píng)估者在不確定下一步時(shí)更傾向于廣度優(yōu)先搜索（探索性行為），且易受記憶誤差影響；LLM則更理性，優(yōu)先選擇最可能的