斯坦福研究：24.9 万次对话揭示人机协作真实模式
EchoShao8899 · x · 2026-08-27
斯坦福大学基于 24.9 万次真实 Claude 对话的研究发现：
- 协作模式：AI 主要用于增强而非完全自动化，72% 的对话仍由人类主导，且任务越重要人类参与越深。
- 教育作用：67% 的相关对话中 AI 起到了教学作用。
- 摩擦效应：约一半交互存在摩擦，但当用户主动修正、质疑或澄清模型输出时，摩擦往往是富有成效的。
结论是，AI 的收益很大程度上取决于人类在交互中保持的主观能动性和批判性参与。
所属事件:Anthropic 首次开放真实 Claude 数据，揭示人机协作真实图景(13 条相关)→
「研究」频道最新
- RLVR 微调致解空间坍缩，加入 replay 缓冲可保多样性并提升 pass@8 — manoelribeiro · 2026-10-15
- ModeBench 揭示 RLVR 让 LLM 只会一种解法，Re:Max 训练法可保解法多样性 — manoelribeiro · 2026-10-15
- NYU 团队推出 SCOOP：用策略协调循环让 LLM 学会真正探索 — jaseweston · 2026-10-15
- Google WeatherNext 助 NHC 预报飓风 Isaias，提前 3 天锁定路径误差 60 公里内 — PeterWBattaglia · 2026-10-15
- MIT 用简单局部突触规则让神经网络自建学习机制 — ChuckDBrooks · 2026-10-15
- 中科大提出 VASPO:自蒸馏结合特权价值估计改进 PPO 推理 — ustc-community · 2026-10-15