為什麼不同人從生成式 AI 中獲益不同
十四項實證研究，四個比較維度
同一類工具，為什麼有時縮小差距，有時放大差距，有時讓有經驗的維護者變慢？
Reflections
思量
一些想法，期望有日能生根發芽，生長出更加嚴謹的探討。
能力的形狀
為什麼 AI 讓一些人更快，也讓另一些人更慢
幾項人機協作研究給出了很不一樣的結果。把它們放在一起看，我漸漸覺得，只問誰的水平更高可能還不夠；一個人卡在哪裡，工具又恰好能幫到哪裡，也許同樣重要。
大語言模型分層的是表達方式，而非事實立場
身份、意見與提示素養如何改變 AI 的認知姿態
大語言模型會不會向不同的人提供不同的現實？本試點研究把用戶身份、對問題前提的意見和提示素養彼此分離，在中英雙語的28個良性問題上比較三個廠商模型族。最新聚合分析顯示：明確懷疑問題前提，會使模型覆寫原有框架的優勢比提高到1.65；身份不呈現預設的低狀態—高狀態梯度。回答完整度在低提示素養時存在顯著身份差距，但在最高提示素養層幾乎消失。低狀態畫像收到的安全提醒也較少，而高風險問題中的差距明顯縮小。研究因此提出：當前可見的分層主要發生在認知姿態，而不是事實立場；提示素養正在成為新的信息不平等軸線。