arXiv cs.CY· Ernesto Biempica, Emiliano Bruner, Juan F Poyatos·· 23 小时前AI 评分24
人类-LLM 认知扩展(HLCE):研究耦合认知的方法论框架
Human-LLM Cognitive Extension: A Framework for Studying Coupled Cognition
AI 导读
研究者提出人类-LLM 认知扩展(HLCE)框架,主张按四种不同认知系统区分实验设计、测量与因果推断:人类独立行动、人工智能体、人-LLM 联合配置,以及分工后的人类。该框架将耦合架构本身视为实验对象,并区分性能增强、系统级互补、交互后人类变化与构成性认知整合等不同主张。作者用一个合成诊断实验展示了两种连接配置如何影响联合问题解决的组织方式,即使最终结果不变。
正文 · AI 翻译
摘要:近期关于使用大型语言模型(LLMs)的研究报告了不同的认知结果,包括辅助表现提升、迁移有限以及无辅助学习受损。在此,我们认为这种表面上的不一致部分源于研究常常评估不同的认知系统,却未明确分析单元。基于延展认知与分布式认知的研究,我们提出人类-LLM认知延展(HLCE)作为一个方法论框架,用于将实验设计、测量和因果推断与四个不同的系统相匹配:独立行动的人类、人工代理、人-LLM联合配置,以及分工后的人类。该框架还将耦合架构视为实验对象的一部分。HLCE区分了表现增强、系统级互补性、交互后的人类变化,以及关于构成性认知整合的更强主张。这种区分可以改善对现有证据的解释,并指导人-LLM交互的设计,而无需预先假设这些配置构成延展心智。我们通过一个合成诊断实验来说明HLCE的应用,该实验比较了两种在支持信息传达方式上不同的连接配置。该示例突出了不同的耦合如何塑造联合问题解决的组织,即使最终结果保持不变。总体而言,HLCE为设计受控实验和解释不同形式的人-LLM认知交互的证据提供了方法论基础。
| 评论: | 24页,两个补充表格 |
| 主题: | 计算机与社会(cs.CY);人机交互(cs.HC) |
| 引用为: | arXiv:2611.24149 [cs.CY] |
| (或 arXiv:2611.24149v1 [cs.CY] 为此版本) | |
| https://doi.org/10.48550/arXiv.2611.24149 由 DataCite 颁发的 arXiv DOI(待注册) |
提交历史
来自:Juan F Poyatos [查看电子邮件]
[v1]
2026年11月18日星期三 09:54:43 UTC(80 KB)
来源:arXiv cs.CY · arxiv.org