本研究探讨用户在使用基于大语言模型的助手时对自动化程度的偏好。结果显示，半自动化助手在用户控制和学习能力方面表现更佳，适合探索性和创造性任务，强调了用户控制和定制指导的重要性。

大型语言模型在创造性任务中表现有创造力，研究发现LLM在创造力方面更灵活。

本文研究了AI在法律任务中的角色，包括信息处理、创造性任务和预测。评估法律应用的易用性存在差异，对法律职业的变革任务难以评估。建议在法律背景下更好地评估和应用AI。

机器学习模型具有概率性，可能给出不同回答。概率特性使人工智能在创造性任务中表现出色，但也会导致不一致和幻觉问题。采样过程可以生成模型的输出，温度可以调整输出的创造性程度。Top-k和Top-p采样策略可以减少计算负载。测试时采样可以提高模型性能。结构化输出可以按特定格式生成文本。理解模型采样输出的方式对于利用人工智能解决问题很重要。