大型语言模型对人类创造性构思的同质化效应
最佳论文大语言模型(LLM)的人机协作AI 伦理、公平与问责软件工程师与开发者AI/ML 研究员与工程师
大型语言模型(LLM)目前被广泛应用于多种场景,包括作为创意支持工具(CST)帮助用户产生新想法。但LLM是否真正支持用户 creativity?本研究假设将LLM作为CST使用可能使用户感觉更有创造力,甚至扩展每个用户产生的想法范围,但同时也会使不同用户产生的想法趋同。36名参与者参与的对比用户研究发现,与替代性CST相比,使用ChatGPT时不同用户确实倾向于产生语义上更少差异的想法。此外,ChatGPT用户产生了更多更详细的想法,但也对自己的想法感到责任更小。本研究讨论了这些发现对CST用户、设计者和开发者的潜在影响。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 80%
科学组织中知识工作者的生成式AI用途与风险
CHI '25· 生成式AI(文本、图像、音乐、视频) +2
- 67%
使用AI指南规划自然语言失败
CHI '21· 大语言模型(LLM)的人机协作 +2
- 67%
Stack Overflow 过时了吗?对 ChatGPT 回答 Stack Overflow 问题特征的经验研究
CHI '24· 大语言模型(LLM)的人机协作 +2
- 67%
代码属于谁?人工智能自主性如何重塑人工智能辅助编程中的所有权、责任和披露
IUI '26· 大语言模型(LLM)的人机协作 +2
- 60%
在配对编程环境中用代理替代人类的权衡:好的、坏的和丑的
CHI '21· 大语言模型(LLM)的人机协作 +1
- 60%
大规模可视化深度神经网络示例
CHI '21· 大语言模型(LLM)的人机协作 +1
- 60%
使用生成语言模型发现自然语言编程的语法和策略
CHI '22· 生成式AI(文本、图像、音乐、视频) +1
- 60%
AI Chains:通过链接大型语言模型提示实现透明且可控的人机交互
CHI '22· 大语言模型(LLM)的人机协作 +1
- 60%
通过数据工作的工件追踪和可视化人与ML/AI的协作过程
CHI '23· 大语言模型(LLM)的人机协作 +1
- 60%
以人为本的可解释人工智能中用户对偏见的看法的背景化
CHI '23· 可解释人工智能(XAI) +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
C&C
calendar_month
年份
2024
emoji_events
奖项
最佳论文
group
作者
3 位作者
sell
研究子方向
大语言模型(LLM)的人机协作、AI 伦理、公平与问责
work
职业/产业
软件工程师与开发者、AI/ML 研究员与工程师
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文