“我没有做出微观决策”：衡量、诱导并揭示 AI 合作中的目标级贡献
计算与语言
2026-05-21 v1
摘要
随着大语言模型（LLM）日益影响用户如何形成、细化和扩展其目标，归因于人类-AI 合作的贡献变得至关重要，这对于用户校准自身依赖以及评估 AI 辅助工作的评估者而言尤为关键。然而现有方法仅关注最终产物，忽略了目标本身如何被共同塑造的过程。我们引入目标级归因框架 CoTrace，将显式目标分解为可验证要求，追踪直接贡献与间接影响跨对话轮次。将 CoTrace 应用于 638 份真实合作日志，我们发现模型仅占目标塑造贡献的 11-26%，但在引入lower-level具体要求方面贡献更大，并以各种间接形式作出贡献。通过受控模拟，我们展示交互设计选择显著影响模型目标塑造行为。在一项用户研究中，向参与者披露目标级分析后，他们对自身贡献的感知发生近 2 分钟的变化（5 分制），揭示了用户对自身 AI 辅助工作的系统性误校准。
引用
@article{arxiv.2605.21363,
title = {"I didn't Make the Micro Decisions": Measuring, Inducing, and Exposing Goal-Level AI Contributions in Collaboration},
author = {Eunsu Kim and Jessica R. Mindel and Kyungjin Kim and Sherry Tongshuang Wu},
journal= {arXiv preprint arXiv:2605.21363},
year = {2026}
}