NBER 论文：AI 应按人类决策场景训练，而非只追求准确率
Afinetheorem · x · 2026-07-24
这条转发配图展示了一篇 NBER 工作论文《Training AI for When Humans Will Use It》，核心观点是：AI 的训练和评测，应该放在“人类如何使用它的预测”这一决策环境里看，而不是只盯着模型本身的准确率。
论文把 AI 描述成一种“复合实验”：机器先给出粗预测，再与人工复核、判断和其他统计模型结合。基于这个框架，作者提出：
- AI 的经济价值取决于它所处的决策环境，而不只是离线准确率。
- 最优训练目标可能随经济变量出现不连续变化。
- 不同用户、以及垄断式训练者，会改变“什么才是最优目标”。
- 因此，单纯追求无条件的预测准确率，往往在经济上并不最优。
「漫话AGI」频道最新
- Emad 说开源权重之争本质上是中美之争 — emollick · 2026-07-24
- 若 LLM 只会解存在性问题，数学界或仍难大变 — JFPuget · 2026-07-24
- 如果 AI 知道你后悔的记忆，它会不会拿来施压 — PierceLilholt · 2026-07-24
- Allie K. Miller 押注多人协作和主动式 AI — timemagazine · 2026-07-24
- Gary Marcus 2022 年的 AI 预测到 2026 已过时 — dhadfieldmenell · 2026-07-24
- Gary Marcus 说，今天的系统离 AGI 还很远 — GaryMarcus · 2026-07-24