置信度加权的人机判断融合以实现更优决策
人机交互
2025-10-13 v3 人工智能
神经元与认知
摘要
大语言模型（LLMs）在某些预测任务上可以超越人类。这为人类在整个决策过程中留下的角色是什么？一种可能性是，尽管人类表现不如LLMs，但当与LLMs协同工作时仍能增添价值。人类与机器团队可以在团队成员的置信度经过良好校准且成员在各自困难任务上存在分歧（即需要校准性与多样性）时，超越每个个体队友。我们简化并扩展了一种利用逻辑回归框架融合置信度加权判断的贝叶斯方法，适用于任意数量的团队成员。使用这种直接的方法，我们在图像分类和神经科学预测任务中验证了其有效性。将人类判断与一台或多台机器结合始终提升了整体团队性能。我们希望这种简单而有效的人机判断融合策略将促成富有成效的合作。
引用
@article{arxiv.2408.08083,
title = {Confidence-weighted integration of human and machine judgments for superior decision-making},
author = {Felipe Yáñez and Xiaoliang Luo and Omar Valerio Minero and Bradley C. Love},
journal= {arXiv preprint arXiv:2408.08083},
year = {2025}
}