专业人类协作的能力调节脚手架 LLM 协作

大语言模型 个性化通常会根据用户偏好和风格调整输出，但不会考虑跨专业领域的用户评估能力的差异。这种限制可能会导致专业领域漂移，即用户在无法可靠评估的领域中依赖人工智能生成的推理。我们引入能力条件支架，这是一种类型化框架，它将专业知识划分为强、混合和弱领域，并根据结构化能力概况条件干预行为。对多个 MMLU 子集和四个 LLM 底物的试点评估显示了一致的轮廓条件干预行为，包括轮廓交换下的分类反转和混合域风险区域中的选择性激活。这些发现表明，除了风格个性化之外，能力感知支架可以支持更可靠的专业人类人工智能协作。