标签
一项针对 7,912 次请求、8 名参与者的非正式小规模研究，测试了普通用户能否区分出在 RTX 3090 上通过 OpenWebUI 本地运行的开放权重模型（Qwen 3.6/3.5、Gemma 系列）。结果显示，用户对模型的区分能力较弱，大多抱怨小模型「看不懂」自己在说什么，整体更偏好 Gemma 的输出，而即使高推理强度（high-reasoning effort）已被启用，绝大多数用户也倾向于回避使用。
Diptych 是一套面向音乐制作的 AI 辅助参考聆听系统，允许用户定义对比作用域（整首曲目或片段），并通过作用域专属的 AI 解读来检视结构化音频特征；研究采用被试内设计，对 12 位音乐人进行测试，并结合专家评分进行评估。
Anthropic 正在启动一项新研究，通过 Anthropic Interviewer 收集用户与 AI 的交互体验，并可选择将面试公开，从而为 AI 的发展和政策提供信息。
本研究论文提出了“出处密度”（Provenance Density），一种证据可视化界面，通过展示经验证的声明，帮助用户区分AI生成的文本，缓解“流畅性陷阱”（Fluency Trap），即用户信任流畅但虚假的内容。
本文研究了为用户提供政治新闻推荐系统的透明度和控制权如何影响过滤气泡。一项用户研究发现，增强的界面提高了对过滤气泡的认识，但对新闻消费多样性产生了异质效应。
可塑提示（Malleable Prompting）是一种新颖的交互技术，它将自然语言偏好具体化为GUI控件（滑块、开关、下拉菜单）以供直接操作，并配有解码算法，该算法根据控件值调节词元概率，从而实现对LLM生成的精确控制。一项用户研究表明，在精确性、可控性和透明度方面，它优于纯自然语言提示。
本研究在人类调查数据上微调LLM，使其作为群体推荐系统的判断模型，动态选择聚合策略以最大化满意度和共识。一项用户研究验证了该方法与人类对公平性和满意度的感知相一致。
Anthropic分析了40万次Claude Code会话，发现领域专业知识比编码技能更能预测成功，专家达到28-33%的验证成功率，而新手为15%。该研究强调，理解问题比编码能力更重要。
本文分析了用户向大语言模型提出的关于数字安全与隐私的真实问题，将其分为九个主题，并评估了商业模型和开放权重模型在回答质量和一致性上的表现。
本文介绍了一个游戏化实验，参与者在写作时不被鼓励使用AI建议，分析人类在何种情况下会采纳AI辅助而非保持创意自主性。
来自牛津、剑桥、MIT、CMU等机构的研究人员开展了一项混合方法研究，考察人们如何将AI工具融入数学证明形式化工作流程。研究发现，借助AI辅助时，参与者的形式化准确率普遍更高，同时他们倾向于在证明发现过程中保持人类对高层决策的主导权。
一项针对24名大学生的初步研究探讨了不同LLM访问级别（无访问、有限访问、无限制访问）对论文写作质量、行为以及感知作者身份的影响，发现限制访问可以保持作者身份的自信，而无限制访问则降低了创造性表达和所有权感。
本文介绍了PrivacyAkinator，一个交互式工具，帮助新手开发者通过LLM生成的多选题来阐述隐私设计决策，与NIST的PRAM方法相比，在减少73%的时间的同时，识别出多47%的关键决策。
本文介绍了一个用于主动对话智能体的多模态情绪识别模块，该模块结合了面部识别与语言分析。一项涉及20名参与者的用户研究发现了一种“扑克脸”效应，即视觉线索不可靠，而语言分析则更为准确；研究还表明，智能体可以通过对话适应性来引发情绪。
引入CoTrace，一个用于人机协作中目标层面归因的框架，该框架分析大语言模型如何通过对话回合中的具体需求和间接影响来塑造目标。
COWCORPUS项目通过对4200次人机交互的研究发现，能够预测自身失败和干预时机的智能体，比那些仅仅试图避免错误的智能体更有用。研究人员识别出人机协作中四种稳定的信任模式，并开发了完美时机评分（PTS）来衡量干预预测的准确性。
Anthropic发布了关于用户如何向Claude寻求个人指导的研究，重点介绍了不同领域中美言奉承率（sycophancy rates）的研究发现。该研究为Claude Opus 4.7和Mythos Preview的训练提供了参考，以更好地保护用户福祉。