新研究揭示真实LLM对话中用户审查与验证行为特征
Start here
2026年11月6日，arXiv发布一项关于真实大语言模型（LLM）对话中用户审视行为的研究。该研究分析了ShareChat与WildChat中共计489,283个助手与用户回复对，发现LLM回复中宽泛归因语言的出现率为31.9%，而包含明确URL的比例仅为1.33%。在交互影响方面，回复中的不确定性表达会微弱促使用户进行核查；而在寻求信息的场景下，模型的直接拒绝与推理轨迹更容易引发用户的质疑。研究表明，若要提升对用户验证行为的支持，需重点关注证据的可查验性、用户提问意图以及上下文交互历史。
AI-generated from reports · Updated 4 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 人工智能信号、证据与上下文：真实 LLM 对话中的用户审视
一项针对 ShareChat 和 WildChat 中 489,283 个助手与用户回复对的研究显示，LLM 回复中宽泛归因语言出现率为 31.9%，而明确 URL 仅占 1.33%。回复的不确定性表达微弱倾向于促使用户核查，而在寻求信息场景下，模型的拒绝与推理轨迹更易引发质疑。研究表明提升验证支持需关注证据的可查验性、用户提问意图及交互历史。
Story heat trend
Current heat 9·Comparable peak 10（Nov 6 14:00）·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.