大语言模型（LLM）的秘密使用

大语言模型（LLM）的进步分散了人工智能使用透明度的责任。具体而言，现在鼓励或要求LLM用户在各种真实世界任务中披露LLM生成内容的使用。然而，一个新兴现象——用户秘密使用LLM——对确保最终用户遵守透明度要求提出了挑战。我们的研究使用混合方法，包括探索性调查（报告了125个真实世界的秘密使用案例）和300名用户的对照实验，研究了LLM秘密使用的情境和原因。我们发现，这种秘密行为通常由特定任务触发，超越用户之间的人口统计学和个性差异。研究发现，任务类型通过影响用户对LLM使用外部评判的感知，主要影响用户使用秘密行为的意图。我们的研究结果为未来设计干预措施以鼓励更透明地披露LLM或其他人工智能技术的使用提供了重要见解。