LLM-D12：衡量大语言模型中工具依赖与人际关系依赖的双维度量表
人机交互
2025-09-08 v4 人工智能
摘要
人们日益关注个体如何与大语言模型（LLM）交互，以及此类模型是否会引发依赖甚至成瘾行为。目前缺乏有效的工具来评估个体可能对LLM产生依赖的程度，这些工具主要基于经典行为成瘾症状，仅仅适配于LLM使用情境。我们认为这存在概念性局限，因为LLM与人类的关系更为细致，亟需一种全新的、独立的视角。为弥补这一空白，我们开发并验证了一套新的12项问卷，用于衡量LLM依赖程度，称为LLM-D12。该量表基于作者此前的理论工作，问卷项依据该理论设计，样本来自英国526名受访者。对总体样本采用分割抽样法，将其分为两半分别进行探索性和确认性因子分析，结果显示两因子结构：工具依赖（6项）和关系依赖（6项）。工具依赖反映个体依赖LLM支持或协助决策和认知任务的程度；关系依赖捕捉个体将LLM视为具有社会意义、具备意识或类似伴侣性质实体的倾向。该两因子结构表现出卓越的内部一致性和明确的判别效度。外部验证进一步确认了概念基础以及两个子量表之间的区别。我们在新兴的LLM依赖不一定代表功能失调，但在特定情境下仍可能反映出潜在问题依赖水平的观念下，对LLM-D12量表的心理计量属性与结构进行了解释。
引用
@article{arxiv.2506.06874,
title = {LLM-D12: A Dual-Dimensional Scale of Instrumental and Relational Dependencies on Large Language Models},
author = {Ala Yankouskaya and Areej B. Babiker and Syeda W. F. Rizvi and Sameha Alshakhsi and Magnus Liebherr and Raian Ali},
journal= {arXiv preprint arXiv:2506.06874},
year = {2025}
}