📄ArXiv AI•較早收集於 21h
縱向研究顯示 LLM 使用者習慣具有高度黏性
💡了解為何您目前的 LLM 評估數據集可能具有誤導性，以及使用者行為隨時間演變的真實情況。
⚡ 30-Second TL;DR
有什麼變化
LLM 互動中的個人使用者習慣具有高度黏性，難以改變。
為什麼重要
研究人員與開發者在使用如 WildChat 等公開數據集進行模型訓練或評估時應保持謹慎，因為這些數據可能無法代表廣大群眾的行為。理解使用者的異質性對於設計更有效且具包容性的 AI 介面至關重要。
下一步行動
在評估您的 LLM 產品時，請根據活躍程度對使用者群體進行細分，而非僅依賴總體指標，以避免專業使用者的數據偏差。
誰應關注：Researchers & Academics
關鍵要點
- •LLM 互動中的個人使用者習慣具有高度黏性，難以改變。
- •一般使用者與活躍的「專業使用者」之間存在顯著的效能差距。
- •WildChat-4.8M 數據集嚴重偏向專業使用者，限制了其普適性。
- •群體層面的 LLM 使用趨勢無法準確反映個人的對話軌跡。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： ArXiv AI ↗