似真陷阱：将概率引擎用于确定性任务

大语言模型（LLM）的普及正在推动一场用户便利性凌驾计算效率的范式转变。本文定义了似真陷阱（Plausibility Trap）：拥有人工智能（AI）模型的个人把昂贵的概率引擎用于简单确定性任务——例如光学字符识别（OCR）或基础核查——从而造成显著资源浪费的现象。通过对 OCR 与事实核查的微基准与案例研究，我们量化了效率税——展示约 6.5 倍的延迟惩罚——以及算法谄媚的风险。为对抗这一点，我们提出工具选择工程与确定性-概率决策矩阵，一个帮助开发者判断何时使用生成式 AI、以及关键地何时避免使用它的框架。我们主张课程转向，强调真正的数字素养不仅在于知道如何使用生成式 AI，也在于知道何时不使用它。