审计LLM用户代理复现人类依赖度

2026年10月20日，一篇发表于 arXiv 人工智能分类的审计研究，检验大语言模型用户代理能否替代人类，复现 Rel-A.I. 研究中人类对 AI 答案的依赖行为。该研究使用参数规模至多 72B 的开源模型，针对 Rel-A.I. 的 90 道题及 15 个领域-标记依赖率，进行抽样决策与 A/B 概率复现。论文由 Shuai Wang、Rui Hu 发表，核心问题是：语言模型用户代理能否跨情境复现人类对 AI 答案的依赖。目前报道仅呈现研究设计与方法，未给出复现是否成功或具体结果的结论。

AI 根据报道生成 · 41 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。