所属方向: AI可解释性、信任与校准依赖

LLM 信任与过度/不足依赖

统计基于当前已索引 question 数据，来源缺失不影响问题展示。

124

问题/痛点

来源

2025

全部问题

124 条

全部研究问题现实痛点

help研究问题LLM 信任与过度/不足依赖

如何评估指令调优大语言模型（如ChatGPT）的开放性和透明度？

CUI '23Opening up ChatGPT: Tracking openness, transparency, and accountability in instruction-tuned text generators

help研究问题LLM 信任与过度/不足依赖

指令调优的开放源码模型在透明性方面存在什么样的共性和差异？

CUI '23Opening up ChatGPT: Tracking openness, transparency, and accountability in instruction-tuned text generators

help研究问题LLM 信任与过度/不足依赖

当前声称开放的AI项目在透明性和可靠性方面存在哪些问题？

CUI '23Opening up ChatGPT: Tracking openness, transparency, and accountability in instruction-tuned text generators

lightbulb现实痛点LLM 信任与过度/不足依赖

用户对AI系统的透明性无法信任，导致不敢广泛应用。

CUI '23Opening up ChatGPT: Tracking openness, transparency, and accountability in instruction-tuned text generators

help研究问题LLM 信任与过度/不足依赖

如何减少大科技公司对社会计算研究的资源和影响依赖？

CSCW '23Divesting from Big Tech: Alternative Possibilities for Research and Futuring in Social Computing

help研究问题LLM 信任与过度/不足依赖

在行业独立的模型下，如何设计和治理社区驱动的社会计算平台？

CSCW '23Divesting from Big Tech: Alternative Possibilities for Research and Futuring in Social Computing

help研究问题LLM 信任与过度/不足依赖

以公共利益为导向的社会技术系统是否可行？具体如何实现？

CSCW '23Divesting from Big Tech: Alternative Possibilities for Research and Futuring in Social Computing

lightbulb现实痛点LLM 信任与过度/不足依赖

学者过度依赖大科技公司的资源与平台，难以独立研究社会技术系统。

CSCW '23Divesting from Big Tech: Alternative Possibilities for Research and Futuring in Social Computing

help研究问题LLM 信任与过度/不足依赖

在底特律东区社区中，居民对安全的视觉化认知和实践有哪些？

CHI '23Shifting from Surveillance-as-Safety to Safety-through-Noticing: A Photovoice Study with Eastside Detroit Residents

help研究问题LLM 信任与过度/不足依赖

通过“注意力作为安全”（安全即关注）的概念如何替代传统的“监控作为安全”的逻辑？

CHI '23Shifting from Surveillance-as-Safety to Safety-through-Noticing: A Photovoice Study with Eastside Detroit Residents

help研究问题LLM 信任与过度/不足依赖

非人类因素（如环境与技术）在社区日常安全实践中扮演了怎样的角色？

CHI '23Shifting from Surveillance-as-Safety to Safety-through-Noticing: A Photovoice Study with Eastside Detroit Residents

lightbulb现实痛点LLM 信任与过度/不足依赖

过度依赖监控技术的安全观忽视了对边缘化社区的多维度安全需求。

CHI '23Shifting from Surveillance-as-Safety to Safety-through-Noticing: A Photovoice Study with Eastside Detroit Residents

help研究问题LLM 信任与过度/不足依赖

大规模语言模型（LLMs）如何帮助AAC设备用户减少输入而实现更高效的交流？

CHI '23“The less I type, the better”: How AI Language Models can Enhance or Impede Communication for AAC Users

help研究问题LLM 信任与过度/不足依赖

如何通过“语音宏”（Speech Macros）实现个性化表达和情境关联？

CHI '23“The less I type, the better”: How AI Language Models can Enhance or Impede Communication for AAC Users

help研究问题LLM 信任与过度/不足依赖

LLMs生成的建议在减少AAC用户负担的同时，如何保证用户信任和社交关系不受损害？

CHI '23“The less I type, the better”: How AI Language Models can Enhance or Impede Communication for AAC Users

lightbulb现实痛点LLM 信任与过度/不足依赖

AAC用户很难快速、个性化地参与高质量的实时沟通。

CHI '23“The less I type, the better”: How AI Language Models can Enhance or Impede Communication for AAC Users

help研究问题LLM 信任与过度/不足依赖

如何通过短期教程提升普通用户对机器学习的理解能力？

IUI '22Exploring the Effects of Machine Learning Literacy Interventions on Laypeople's Reliance on Machine Learning Models

help研究问题LLM 信任与过度/不足依赖

交互性和教程范围如何影响用户对机器学习模型的依赖程度？

IUI '22Exploring the Effects of Machine Learning Literacy Interventions on Laypeople's Reliance on Machine Learning Models

help研究问题LLM 信任与过度/不足依赖

针对跨数据分布情境，哪种教程设计能减少用户对模型的不当依赖？

IUI '22Exploring the Effects of Machine Learning Literacy Interventions on Laypeople's Reliance on Machine Learning Models

lightbulb现实痛点LLM 信任与过度/不足依赖

普通用户过度依赖机器学习模型，即使模型在数据分布变化时性能下降。

IUI '22Exploring the Effects of Machine Learning Literacy Interventions on Laypeople's Reliance on Machine Learning Models

help研究问题LLM 信任与过度/不足依赖

如何减少视障用户对有缺陷的AI生成图像描述的盲目信任？

CHI '22ImageExplorer: Multi-Layered Touch Exploration to Encourage Skepticism Towards Imperfect AI-Generated Image Captions

help研究问题LLM 信任与过度/不足依赖

触觉探索与分层信息呈现能否帮助视障用户更准确地理解图像内容并识别描述错误？

CHI '22ImageExplorer: Multi-Layered Touch Exploration to Encourage Skepticism Towards Imperfect AI-Generated Image Captions

help研究问题LLM 信任与过度/不足依赖

多层次触觉互动如何影响用户的AI错误怀疑态度和使用体验？

CHI '22ImageExplorer: Multi-Layered Touch Exploration to Encourage Skepticism Towards Imperfect AI-Generated Image Captions

lightbulb现实痛点LLM 信任与过度/不足依赖

视障用户容易盲信AI生成的有缺陷图像描述，难以准确理解内容。

CHI '22ImageExplorer: Multi-Layered Touch Exploration to Encourage Skepticism Towards Imperfect AI-Generated Image Captions

相邻分类

AI可解释性、信任与校准依赖

LLM 信任与过度/不足依赖

全部问题

相关论文

基于动态贝叶斯网络的多模态上下文感知交互框架

生成式人工智能聊天机器人生态系统的用户心智模型

建立合适的心理模型：用户对代理型AI聊天机器人已知和想知道的

依赖还是不依赖？评估对大型语言模型适当依赖的干预措施

新兴数据实践：大型语言模型时代的数据工作

共同思考，更好地工作：结合人类和大语言模型的思维 aloud 结果进行有效的文本评估

先计划后执行：一项关于用户信任和团队表现的经验研究，当使用LLM代理作为日常助手时

基于LLM的搜索对决策制定的影响：速度、准确性和过度依赖

生成式AI在纪实摄影中的应用：探索视觉叙事的机会与挑战

注意差距！在不同语言的说服性合写任务中使用多语言大语言模型的选择独立性

理解在广播系统中部署基于AI的内容创作支持工具的动态 - 优势、挑战和方向

促进对大型语言模型的适当依赖：解释、来源和不一致性的角色

相邻分类

不确定性传达与校准依赖

医疗AI信任、临床决策支持与医患协作

XAI 解释与适当依赖校准

解释形式设计与理解效果

透明度、可审计性与信任校准机制

对话式 AI 与聊天机器人中的信任

AI 决策支持与依赖行为

虚假信息、内容标注与真实性信任