arXiv cs.CY· Michelle Vaccaro, Abdullah Almaatouq, Thomas W. Malone·· 10 小时前AI 评分58
AutoAnalysis：自动自我更新的人机协作元分析
AutoAnalysis: An automated, self-updating meta-analysis of human-AI collaboration
AI 导读
研究者提出 AutoAnalysis，一个可自动更新的人机协作元分析系统，最新一次运行汇总了 420 篇论文的 1,955 个效应量。结果显示，人机组合平均显著优于人类单独表现，但显著劣于人类或 AI 单独表现中更好的那一方。作者据此强调，提升人类表现与实现人机协同是两回事，评估协作效果时应同时对照人类单独表现和 AI 单独表现。
正文 · AI 翻译
摘要：随着生成式人工智能（AI）能力不断增强并得到广泛应用，理解人类应在何时以及如何与这些系统协作正变得日益重要。然而，这一领域的实证证据给出了相互矛盾的建议，导致个人和组织在何时应结合人类与 AI 能力方面缺乏明确指导。现有的元分析有助于调和这些发现，但它们需要大量人工投入，且无法在出现新证据时及时纳入。为应对这一挑战，我们推出 AutoAnalysis：一项自动化、自我更新的元分析，用于考察人类与 AI 何时协作效果更好、何时各自独立效果更好。AutoAnalysis 最近一次运行综合了来自 420 篇论文的 1,955 个效应量。在这批研究中，我们发现，平均而言，人机组合的表现显著优于单独的人类，但显著劣于人类或 AI 单独表现中较好的一方。这些发现凸显了提升人类表现与实现人机协同之间的重要区别，并强调了需要同时以人类单独表现和 AI 单独表现为基准来评估协作。随着新研究的出现，AutoAnalysis 将把其发现纳入元分析，提供关于人类与 AI 何时协作表现更好，以及人机表现如何随 AI 智能体、任务和流程而变化的累积证据。
| 评论： | 请访问此 http URL以探索数据并查看最新结果 |
| 主题： | 人机交互（cs.HC）；人工智能（cs.AI）；计算机与社会（cs.CY）；数字图书馆（cs.DL） |
| 引用为： | arXiv:2610.42001 [cs.HC] |
| （或 arXiv:2610.42001v1 [cs.HC] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.42001 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Michelle Vaccaro [查看电子邮件]
[v1]
2026年10月30日星期五 16:44:49 UTC（960 KB）
来源：arXiv cs.CY · arxiv.org