面向专业人类 LLM 协作的能力条件化脚手架
计算与语言
2026-05-18 v1
摘要
大型语言模型的个人化通常会根据用户的偏好和风格调整输出，但未能考虑用户在不同专业领域评估能力的差异。这一限制可能鼓励专业领域漂移，使得用户依赖他们无法可靠评估的 AI 生成推理。我们引入能力条件化脚手架，一种类型化框架，将专业知识划分为强、混合和弱领域，并基于结构化能力轮廓来条件化干预行为。 Pilot 评估跨越多个 MMLU 子集和四个 LLM 基底显示，一致的 profile 条件化干预行为，包括在 profile 交换下的类别反转以及在混合域风险区的选择性激活。这些发现表明，能力感知的脚手架可以支持专业人类 AI 协作，而不仅仅是风格化个人化。
引用
@article{arxiv.2605.15404,
title = {Capability Conditioned Scaffolding for Professional Human LLM Collaboration},
author = {Sen Yang and Yinglei Ma},
journal= {arXiv preprint arXiv:2605.15404},
year = {2026}
}