研究发现大模型在可靠性上存在问题，GPT-4在某些情况下不如GPT-3。尽管增加算力和人类反馈，新模型的回答可靠性反而下降。模型在简单任务上表现不佳，对提示语表述敏感，依赖人类监督无法解决。建议通过人类难度预期训练模型以改善可靠性。作者强调通用人工智能设计需在高风险领域进行根本性转变。

该论文提出了一个新颖的人机交互方法，通过使用信任作为促进技术采用的工具。作者提出了一个框架，以指导用户对人工智能设计的信任。通过三个案例研究评估了心理测量量表的有效性，以映射用户的信任破裂和关注点。该框架可用于指导系统设计者如何定义用户信任，以及AI系统设计的社会伦理和组织需求和特征。提供了一些用户研究工具，用于评估所提出的解决方案。

该论文提出了一个新的人机交互方法，通过使用信任作为促进技术采用的工具。作者提出了一个框架，以指导用户对人工智能设计的信任。通过三个案例研究评估了心理测量量表的有效性，揭示了计算机科学和人工智能话语中关于用户信任的误解。该框架可用于指导系统设计者如何映射和定义用户信任，以及开发满足用户信任要求的解决方案。

本文提供了一个概念框架，以评估参与式人工智能设计的方法，并表达了关于目前参与实践状况的实证发现。