在工程实践中，即使设置temperature=0和seed=0，LLM的输出仍然无法保证完全确定性，原因包括采样配置和数值误差等。目标应是控制模型行为在可接受的稳定性范围内，而非追求绝对一致性。建议通过参数调整、缓存和上层逻辑来应对不确定性，LLM更适合作为辅助决策工具。

本研究提出了一种算法框架，解决了缺乏AI解释时人们有效利用AI辅助决策工具的难题。随机实验结果表明，该方法显著提升了决策者的决策表现。

该研究探讨了大型语言模型（LLMs）在辅助决策中的表现及其对人类决策的影响。研究表明，高性能模型能够提升人类决策表现，但也可能加重偏见。LLMs的可信度和解释方式影响用户信任，透明度在高风险应用中尤为重要。此外，LLMs在预测人类行为方面展现出潜力，但仍面临多重挑战。