arXiv · cs.AI· Ahana Biswas·· 16 小时前AI 评分25
LLM 对话中的用户审视行为：信号、证据与上下文
Signals, Evidence, and Context: User Scrutiny in Real-World LLM Conversations
来源与原文
arXiv · cs.AI
作者：Ahana Biswas
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.08232v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究分析 ShareChat 与 WildChat 的 489,283 组助手-用户回复对，发现 31.9% 的相关回复含宽泛的归因表述，而显式 URL 仅占 1.33%，说明"声称有依据"与"可核查证据"之间存在差距。归因、不确定性等回复线索通常同时伴随核查与质疑，仅不确定性表现出微弱但统计可辨的合并关联偏向核查；在 Technical Help 场景中不确定性偏向核查，而在 Seeking Information 中拒答与推理轨迹偏向质疑。审视行为集中在部分对话中，逐轮持续性在分离对话层面差异与回复顺序后大幅缩小。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。