热点事件持续更新
新研究揭示真实LLM对话中用户审查与验证行为特征
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
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 根据报道生成 · 3 小时前更新
最新进展11月6日 13:00
研究分析近49万对话发现明确URL仅占1.33%，模型拒绝与推理轨迹更易引发用户质疑。报道时间线
沿着报道，了解事件的不同侧面。
11月6日
- 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。
本事件热度走势
当前热度 9·可比范围峰值 10（11月6日 14:00）·近 24 小时可比范围变化–
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。