@ZhiruoW:我们正在构建赋能人类的AI技术,这需要意识到人类对AI的依赖。我们最新的工作测量了…
摘要
引入了 Offloading Score,一种衡量用户向AI转移认知努力程度的指标,并发现当用户积极参与时,高度依赖本身并非有害。
查看缓存全文
缓存时间: 2026/06/05 09:13
我们正在构建赋能人类的AI技术,这要求我们必须意识到人类对AI的依赖。我们的最新工作利用工作流引导工具包来测量人类的认知卸载。除了展示该测量的准确性外,我们还发现高度依赖本身并非有害。当用户能主动投入并真正理解任务时,AI反而能促进人类学习。
Vishakh Padmakumar (@vishakh_pk): 人们越来越担心AI工具使我们过度依赖。 但如何实际测量这种依赖?我们引入了Offloading Score,一种基于完成任务时卸载给AI的认知努力比例来衡量依赖的指标。 在一项受控用户研究中,Offloading
相似文章
@ComputerPapers: 卸载分数:通过反事实工作流衡量AI依赖度 Vishakh Padmakumar, Lujain Ibrahim, Zora Zhiru…
本文介绍了卸载分数(offloading score),这是一种通过反事实工作流量化转移到AI工具的认知努力比例来衡量AI依赖度的指标。通过内在评估和一项针对开发者的用户研究验证了该指标,结果显示其在时间压力下检测依赖度增加的能力优于现有方法。
AI让我更快。也更不像自己...
作者反思了日常使用AI如何导致认知卸载,减少了个人推理和批判性思维,并邀请他人通过调查分享经验,探讨构建缓解这一问题的工具。
我们是否将太多的思考外包给了AI?
本文探讨了日益增长的依赖AI进行思考和决策的趋势,通过轶事和引用Ken Liu的短篇小说,质疑人类自主性的丧失。
你对AI有多沉迷或依赖?
本文介绍了一个基于学术研究的AI依赖测试,评估认知卸载、自动化偏见和情感依赖等方面,以评估用户对AI的成瘾程度。
@WGOV: 认知外包与人机交互中的加速错觉 Sunny Yu, Myra Cheng, Ahmad Jabbar, Ilia Sucholut…
本文探讨了在使用LLMs执行简单认知任务时,预期与实际时间节省之间的不匹配,揭示了一种加速错觉:用户低估了AI辅助完成时间,尽管实际并无加速。