文章總結與翻譯一、主要內(nèi)容本文聚焦于利用大型語言模型（LLMs）自動化認知走查（CW）這一可用性測試方法，核心探索LLMs能否模擬人類在CW中的行為，以降低傳統(tǒng)測試的成本和資源消耗。研究設計雙角色LLM代理架構：設計了 facilitator（引導者）和 evaluator（評估者）兩個AI代理，分別模擬CW中的研究人員引導角色和用戶評估角色，通過迭代優(yōu)化的提示詞實現(xiàn)界面導航、思維外顯和流程推進。兩項對比研究：研究1：對比GPT-4、Gemini-2.5-pro與10名人類評估者在兩款移動應用（語言學習類、旅行預訂類）上的CW表現(xiàn)，從任務完成率、導航路徑一致性、潛在失敗點識別三個維度展開分析。研究2：探索通過額外提示詞優(yōu)化LLM對人類潛在失敗點的預測能力，對比“有上下文”（LLM完整走查流程）和“無上下文”（僅單屏獨立評估）兩種模式的效果。核心發(fā)現(xiàn)LLM與人類的行為差異：LLM的任務完成率更高（GPT-4達100%，Gemini-2.5-pro達97.2%，人類為88.2%），導航路徑更接近最優(yōu)路徑，步驟更少；人類評估者在不確定下一步時更傾向于廣度優(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