NeurIPS 2026 Oral：Offloading Score 首次量化对 AI 的认知依赖
Diyi_Yang · x · 2026-09-25
一项研究提出 Offloading Score，用完成任务时卸载给 AI 的认知努力占比来度量用户对 AI 的依赖。在受控用户实验中，该指标能检测到时间压力下依赖度的上升，而多种常用替代指标无法做到。
这项工作回应了「AI 工具让人过度依赖」的普遍担忧，把模糊的直觉变成可测量指标，并入选 NeurIPS 2026 扩展评测赛道（E&D track）口头报告。
「研究」频道最新
- 零真实数据训练出新研究:两个模型互搏也能学出通用模式 — mark_k · 2026-09-25
- 数学家 20 年经验：模型边缘案例失败是数学问题 — TivadarDanka · 2026-09-25
- 分析 246 个仓库和 57 篇论文:agent harness 什么做法真有效 — Marmelab · 2026-09-25
- 实测 4 个 agent 记忆 SDK:矛盾更新与实体解析全军覆没 — Dismal-Account-1151 · 2026-09-25
- GitHub 11k 星仓库：80 家公司 300+ 真实 ML 系统设计案例 — mdancho84 · 2026-09-25
- AI 与量子计算互为放大器:一场双向正反馈正在成型 — AryHHAry · 2026-09-25