AutoAnalysis 自动元分析综述人机协作何时更有效
AutoAnalysis: An automated, self-updating meta-analysis of human-AI collaboration
AI 导读
MIT 研究者提出 AutoAnalysis，一个自动化、可自我更新的人机协作元分析系统，最新一轮综合了 420 篇论文中的 1,955 个效应量。结果显示，人机组合平均显著优于人类单独工作，但显著劣于人类与 AI 中表现更好的一方；新研究出现后系统会自动纳入其结论。
推荐理由
论文给出自动更新的元分析方法和大样本结论，为评估人机协作提供了对照人类与 AI 单独表现的视角。
正文 · AI 翻译
摘要：随着生成式人工智能（AI）能力日益增强并得到广泛应用，理解人类应在何时以及如何与这些系统协作变得越来越重要。然而，该领域的实证研究给出了相互矛盾的建议，使个人和组织在何时结合人类与 AI 能力方面缺乏明确指导。现有的元分析有助于调和这些发现，但需要大量人工工作，且无法方便地纳入新出现的证据。为应对这一挑战，我们提出了 AutoAnalysis：一个自动化、可自我更新的元分析，研究人类与 AI 何时协作更佳、何时单独工作更佳。AutoAnalysis 最近一次运行综合了来自 420 篇论文的 1,955 个效应量。在这批研究中我们发现，平均而言，人类与 AI 的组合表现显著优于单独的人类，但其表现显著劣于人类或 AI 中较优的一方。这些发现凸显了提升人类表现与实现人机协同之间的重要区别，并强调需要将协作与单独的人类表现和单独的 AI 表动进行对比评估。随着新研究的出现，AutoAnalysis 将把其发现整合进元分析，提供关于人类与 AI 何时协作表现更佳、以及人机表现如何随 AI 智能体、任务和流程而变化的累积证据。
| 评论： | 请访问 此 http URL 探索数据并查看最新结果 |
| 学科分类： | 人机交互 (cs.HC)；人工智能 (cs.AI)；计算机与社会 (cs.CY)；数字图书馆 (cs.DL) |
| 引用格式： | arXiv:2610.42001 [cs.HC] |
| （或本版本的 arXiv:2610.42001v1 [cs.HC]） | |
| https://doi.org/10.48550/arXiv.2610.42001 arXiv 通过 DataCite 签发的 DOI（注册中） |
提交历史
来自：Michelle Vaccaro [查看邮件]
[v1]
2026年10月30日 星期五 16:44:49 UTC (960 KB)
来源：arXiv cs.AI · arxiv.org