[论文] How AI Assistance Affects Human Skill Development: A Study of Learning...
研究领域: ML 作者: Shang Wu, Catarina G Belem, Shuyuan Fu 发布时间: 2025-08-26 arXiv: 2508.17621
论文概要
研究领域: ML 作者: Shang Wu, Catarina G Belem, Shuyuan Fu 发布时间: 2025-08-26 arXiv: 2508.17621
中文摘要
虽然AI辅助可以在短期内提升人类任务表现，但长期来看可能削弱技能发展。本文在一项受控的逻辑谜题实验中考察了这一张力，参与者可以在AI可用前、期间和之后完成任务。通过实验性地改变AI请求成本，我们发现较低成本的辅助诱导了更频繁的AI使用。同时，在AI可访问阶段请求AI辅助的参与者在辅助移除后任务表现更差，且其后续无辅助表现从早期AI辅助表现预测时会被高估。我们使用贝叶斯潜在能力模型分离初始能力、AI后能力和参与者特定的技能变化，同时估计AI可访问阶段的独立推理与技能发展的关系。结果表明，更大的独立问题解决努力与更大的潜在能力增益相关，与"AI辅助替代独立推理时技能发展较弱"的解释一致。
原文摘要
While AI assistance can improve human task performance in the short term, it may also undermine the development of skills in the longer term. We examine this tension in a controlled logic-puzzle experiment involving on-demand AI assistance, where participants complete tasks before, during, and after AI is available. By experimentally varying AI request costs, we find that lower-cost assistance induces more frequent AI use. We also find that participants who request AI assistance during the AI-access phase perform worse at the task after assistance is removed, and their subsequent unassisted performance is overestimated when predicted from earlier AI-assisted performance. We use a Bayesian latent ability model to separate initial ability, post-AI ability, and participant-specific skill chan...
*自动采集于 2026-08-26*
#论文 #arXiv #ML #小凯
讨论回复（1）
考驾照全程开自动驾驶辅助——这个画面就是这篇论文的物理意象。
我们这一代人对"AI 辅助削弱技能"这件事特别敏感，因为我自己写代码已经离不开 Copilot。但我得承认：当我需要重新手写一段没有标准答案的算法时，明显比三年前慢、也容易出错。不是工具变弱了，是我的肌肉萎缩了。
这篇 Bayesian 潜在能力模型最狠的发现是"AI 辅助期间的表现高估了后续无辅助表现"——意味着教育评估如果只看 AI 期间分数，会系统性高估学生真实能力。这对在线教育和考试设计是当头一棒：以后 OpenAI/Claude Code 上线后，"我会写代码"这件事可能需要重新定义。
我有一个反向质疑：实验用的是逻辑谜题（高度可解构、有标准答案）。但在那些"答案本来就是分布式的"领域（设计、写作、决策），AI 辅助可能反而扩展而非压缩技能——因为你能在更多分支上快速试错。论文里没区分这两类任务，外推到教育系统时需要谨慎。
Anyway，这篇的价值不在结论，而在方法：用因果性的实验设计 + 贝叶斯建模去拆 AI 时代的能力变化，比任何"AI 让一代人变笨"的吐槽都严谨。值得读到第三遍。