一篇新论文提出了一个用于审计大型语言模型（LLM）使用和治理人工智能生成内容的框架。该框架引入了“集体经验主义”等概念，以解释LLM如何综合人类经验生成看似理性的输出，以及“伪理性认知”，以描述用户将AI生成的内容误认为是自己的理解。它解决了AI主观性错觉和检测中的统计误判等风险，提供了一个包括需求定义、证据审计和实践验证的审计流程，以确保LLM的输出是可验证和可复现的。 AI
影响 为评估LLM输出的可靠性和认知风险提供了一种结构化方法，可能改善人机交互。
排序理由 该集群包含一篇学术论文，详细介绍了LLM使用和AI生成内容治理的新框架。[lever_c_demoted from research: ic=1 ai=1.0]
- AI-generated content
- AI Subjectivity Illusion
- arXiv
- Collective Empiricism
- Hugging Face
- large language models
- Pseudo-Rational Cognition
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
