热点事件持续更新

研究分析近49万组真实对话中用户核查LLM回答的行为

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

Ahana Biswas 与 Yu-Ru Lin 在 arXiv 发布论文（arXiv:2611.08232），分析 ShareChat 和 WildChat 的 489,283 组助手-用户对话，考察 LLM 回答特征如何影响用户接受、核查和质疑回答。研究发现，31.9% 的合格回答含宽泛的归属表述，而含明确 URL 的仅 1.33%，显示声称有依据与可查验证据之间存在差距。仅不确定性线索与核查行为表现出小幅可区分的正关联；用户核查集中于部分对话，考虑对话层面差异后其逐轮持续性明显减弱。

AI 根据报道生成 · 2 小时前更新

最新进展11月6日 13:00

研究：真实 LLM 对话中用户如何核查与质疑 AI 回答的证据线索

报道时间线

沿着报道，了解事件的不同侧面。

11月6日

13:00
arXiv cs.AI
研究：真实 LLM 对话中用户如何核查与质疑 AI 回答的证据线索
一项 arXiv 研究分析 ShareChat 和 WildChat 的 489,283 组助手-用户对话，考察 LLM 回答特征如何影响用户接受、核查和质疑答案。31.9% 的合格回答含宽泛的归属表述，而含明确 URL 的仅 1.33%，显示声称有依据与可查验证据之间存在差距。仅不确定性线索与核查行为表现出小幅可区分的正关联；用户核查集中于部分对话，考虑对话层面差异后其逐轮持续性明显减弱。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。