新框架衡量AI对用户判断的持久影响

本文介绍了一个新的框架和评估协议，用于理解AI辅助验证工具中的“认知转移”。认知转移衡量用户在使用AI工具后，在多大程度上仍能独立执行任务，而不是仅仅依赖该工具。作者提出了两个指标：认知转移效应（ETE）和工具移除成本（TRC）来量化这种现象。他们的协议旨在区分真正的能力培养、过度依赖和其他效应，强调评估用户在AI辅助后保留了什么能力的重要性。 AI

影响 这项研究可能导致对AI工具进行更稳健的评估，确保它们真正增强用户能力，而不仅仅是提供临时帮助。

排序理由 该条目是一篇在arXiv上发表的学术论文，详细介绍了一个用于AI辅助验证的新框架和评估协议。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Epistemic Transfer
• Epistemic Transfer Effect
• Epistemic Transfer in AI-Assisted Verification: A Framework and Evaluation Protocol
• Gotit.pub
• Hugging Face
• Influence Flower
• ScienceCast
• Tool-Removal Cost

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →