关注间隙！多语言大语言模型在不同语言的说服性共写任务中的选择独立性
计算与语言
2025-02-14 v1 人工智能
人机交互
摘要
近期生成式 AI 的快速发展催生了大量新型写作助手。这些系统通常依赖多语言大语言模型（LLM），为全球化劳动者提供在不同语言中修订或创建多样化内容的能力。然而，已有大量证据表明，多语言大语言模型的性能在不同语言之间存在差异。因此，使用多语言写作辅助功能的用户容易受到输出质量不均的影响。值得注意的是，近期研究表明，人们倾向于将算法错误从一个独立任务推广到另一个独立任务，这违反了选择独立性的行为 axioms。本文分析了用户在捐赠广告写作任务中使用新型写作助手的行为是否受到 AI 在第二语言中性能的影响。此外，我们量化了这些模式如何转化为生成捐赠广告的说服力，以及人们关于大语言模型使用信念在捐赠选择中的作用。我们的结果表明，与大语言模型驱动的写作助手交互的作者违反了选择独立性，即 prior exposure to 西班牙语大语言模型会降低后续使用英语大语言模型的概率。尽管这些模式不影响生成广告的整体说服力，但人们对广告来源（人类或 AI）的信念确实影响捐赠行为。特别是，信believ they阅读了来自 AI 的广告的西班牙裔女性捐款行为显著下降。此外，人们通常无法充分区分人类生成和大语言模型生成的广告。我们的工作对大语言模型的设计、开发、集成和采购具有重要影响——尤其是在写作任务中。
引用
@article{arxiv.2502.09532,
title = {Mind the Gap! Choice Independence in Using Multilingual LLMs for Persuasive Co-Writing Tasks in Different Languages},
author = {Shreyan Biswas and Alexander Erlei and Ujwal Gadiraju},
journal= {arXiv preprint arXiv:2502.09532},
year = {2025}
}