arXiv 人工智能· Ahana Biswas, Yu-Ru Lin·· 4 小时前AI 评分41
信号、证据与上下文：真实 LLM 对话中的用户审视
Signals, Evidence, and Context: User Scrutiny in Real-World LLM Conversations
AI 导读
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。
来源：arXiv 人工智能 · arxiv.org