研究提出相关性忽视与信任模型解释AI辅助决策效果

Kong 等研究者在 arXiv 发布论文《AI-Assisted Classification under Correlation Neglect and Trust》，提出包含“对 AI 证据重叠的觉察”和“对 AI 的信任”两个要素的人类行为模型，并用 ChatBench 数据实证。模型指出 AI 辅助二元决策的效果取决于 AI 准确度、AI 证据与人类信号的重叠程度及使用者信任水平，并给出能力与重叠的闭式相位图。 实证结果显示：ChatBench 上 AI 辅助可将准确率提高 21 个百分点，但使用者只对 AI 信息施加约四分之一的贝叶斯理性权重；校准信任可为 GPT-4o 挽回约 2.6 个百分点，对 Llama-3.1-8b 则几乎没有效果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。