arXiv cs.CY· Li Gan, Eric Gan·· 9 天前AI 评分27
自动化下如何维持人类核查能力：arXiv 论文提出检测目标与专业能力储备框架
Maintaining Human Verification Capacity under Automation
AI 导读
一篇 arXiv 论文将自动化检查依赖、人类核查能力投入与中断时的表现联系起来，指出更好的检查器会降低额外人类技能带来的错误削减收益，从而削弱保留独立专业能力的激励。
正文 · AI 翻译
摘要：人工核验依赖于必须在需要之前就加以维持的专业能力。本文将对自动化检查的依赖、对人工检查能力的投入以及中断期间的表现联系起来。更好的检查会在检查员工作时降低额外一单位人工技能所带来的错误减少量。因此，即便它降低了维护与错误的最佳可实现预期成本，也可能削弱保留独立专业能力的激励。在一个示例中，信息量更高的检查器在运行时将检出率从 \hoPowWorkA{} 提高到 \hoPowWorkC{} 个百分点，但组织随后不再进行常规练习，当检查器首次失效时仅检出 \hoPowOnsetC{} 个百分点的错误，而信息量较低的检查器则为 \hoPowOnsetA{} 个百分点。因此，检出要求既关乎当前能力，也关乎其能否存续到新培训生效之时。来自结肠镜检查和航空领域的证据表明，在常规自动化下，无辅助表现更弱，但未分离出其中机制。该框架将检出目标与明确的专业能力储备及培训流程联系起来。标准检出测试可估计各项数量，并揭示自动化偏差和检查器静默失效。该框架将这一要求与最小化预期损失区分开来，并提出了一项纵向测试。
| 学科： | 一般经济学（econ.GN）；计算机与社会（cs.CY） |
| 引用为： | arXiv:2609.38459 [econ.GN] |
| （或 arXiv:2609.38459v1 [econ.GN] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.38459 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Li Gan [查看电子邮件]
[v1]
2026年9月29日星期二 19:47:49 UTC（800 KB）
来源：arXiv cs.CY · arxiv.org