Criticality：基于交互式批判性思维与循证推理痕迹的决策支持脚手架

决策需要检查底层假设和概念，考虑多元视角，并用清晰、准确的推理权衡潜在后果。最近的大型语言模型（LLM）有望通过结合推理能力与从大型文档中检索相关信息的能力来辅助决策者。然而，我们与五位专业决策者的形成性研究揭示了在工作流中使用LLM的关键限制：耗时的用户目标对齐、缺乏循证依据、过长输出、以及未浮出的假设，这些都削弱了用户对LLM输出和最终决策有效性的信任。我们引入Criticality，一个将Paul-Elder批判性思维框架操作化的系统，将推理结构化为交互式思维元素（如目的、假设、观点、含义），并使用智力标准（如清晰性、公平性、逻辑性）评估和指导推理。它还为每个主张检索证据，将其分类为支持、中立或矛盾，并解释主张-证据链接。一项将Criticality与ChatGPT 5 Pro（对话接口中最先进的推理模型）比较的Within-subjects研究（n=13）发现，Criticality改善了用户在决策过程中驾驭和修复推理的交互，产生了比基线更好的决策理由。