人类与大型语言模型中的元认知与不确定性沟通

本研究关注大型语言模型（LLMs）在高风险决策情况下的元认知能力，填补了人类与LLMs在自我监控与评估知识和表现方面的研究空白。通过比较人类和LLMs的元认知能力，揭示了二者之间的异同，并指出改善这些能力对加强人机合作和提升人工智能系统的信任度具有重要意义。研究表明，未来开发更具敏感性和校准性的元认知能力的LLMs，可能促进其学习效率、自我引导及好奇心的发展。