LLM驱动NPC对玩家认知负荷与游戏体验影响的研究

大语言模型驱动的非玩家角色（LLM-NPC）在提供自由对话的同时，可能因表达努力和响应不确定性显著增加玩家的认知负荷，且未必能提升整体游戏体验。针对这一现象，一项随机受试者间实验（N=130）利用自研游戏原型“Campus Culture Week”，对比了LLM-NPC与传统预设脚本NPC在不同互动模块中的表现。

实验结果显示，结合自由形式自然语言输入与LLM生成响应的LLM-NPC条件，其引发的认知负荷显著高于预设选项的脚本NPC交互（p < .001）。这种高负荷主要通过“表达努力”和“响应不确定性”两条心理机制路径传导。尽管LLM-NPC未能带来统计学上显著的整体游戏体验提升（p = .195），但其对玩家感知自主性产生了积极影响，同时也对系统可用性和信任度造成了负面影响。

进一步分析表明，LLM-NPC的影响在不同任务场景中差异显著（p < .001）。在内容创作和关系建立等更开放的模块中，认知负荷的增加更为明显。相比之下，个体差异的影响较为有限，经过多重比较校正后未发现稳健的关联。该研究为理解LLM-NPC对玩家体验的“双刃剑”效应提供了实证证据，强调了在智能NPC系统设计中采用场景敏感和用户敏感策略的重要性。目前该研究正在IEEE Transactions on Games审稿中。