三星劳资协议、Vibe Slop 危机与效率增益错觉
当我们以为 AI 正在替自己省下许多时间，这会是一种错觉吗？
第一篇论文研究者设计了三项大规模实验，让受试者面对信息检索、内容转换、程序指引等二十四种简单认知任务，再比较他们事前以为自己会怎么做，和实际操作时如何选择。探究在简单认知任务上，人们是否准确认识到自己使用 AI 的频率？是否高估了 AI 在时间和精力方面带来的效率增益？
第二篇论文把同样的校准问题带进教育场景。当学校想导入 AI 导师、教学助理或课程支持工具时，谁应该被算进决策里？学生、教师、家长、行政人员、教育科技团队，对同一套系统可能有完全不同的期待与不安。作者提出 Co-PALE 框架，并结合文献分析、小学与高等教育情境案例，以及教师与家长焦点小组，试着让这些感知在部署前就被看见。
AI 的好处需要被仔细衡量，也需要纳入真正受影响的人。无论是在个人任务、软件开发，还是教室里，或许真正困难的也许是建立一套足够诚实的反馈机制，让我们知道什么时候该用 AI，什么时候该停下来自己想。
祝今日读写愉悦，洞见深省。
前沿速递
效率增益错觉：人们低估了自身的 AI 使用频率并高估了 AI 在简单任务上的收益
核心概念
效率增益错觉（Efficiency-Gain Illusion）：这是指人们系统性地高估 AI 辅助在时间和精力方面所带来节省程度的认知偏差。该错觉包含两个子类型：加速错觉指人们低估使用 AI 完成任务所需的实际时间，误以为 AI 能大幅加快任务完成速度；卸载错觉指人们高估独立完成任务所需的精力，从而夸大 AI 在减轻认知负担方面的作用。
自我估计校准偏差（Self-Estimate Miscalibration）：这是指人们在群体层面对自身 AI 使用频率的预测与实际行为之间存在系统性偏差的现象。具体表现为人们倾向于低估自己使用 AI 的倾向，认为自己不会在简单任务上依赖 AI，但在实际操作中却频繁选择 AI 辅助。
会话级迁移效应（Session-Level Carryover Effect）：这是指在同一实验会话中，早期使用 AI 的经历会显著增加后续继续选择 AI 的概率，并加剧对 AI 效率增益的错误校准。该效应揭示了 AI 使用可能形成正反馈循环的机制：使用 AI 不仅没有帮助人们更准确地评估其效用，反而强化了对 AI 高效的错误信念，进一步推动后续使用。
研究问题
大语言模型被广泛用于各类任务，人们普遍认为 AI 能显著提升效率。然而，已有研究开始质疑这一假设，例如有研究发现 AI 辅助反而使专业开发者的编码时间增加了 19%。认知卸载理论指出，人们在使用外部工具时需要进行成本收益比较，而这一比较依赖于对自身能力和工具效能的准确评估。目前，关于人们在简单认知任务上使用 AI 的决策机制尚不清楚，尤其是人们对自身 AI 使用频率以及 AI 效率增益的认知是否准确，缺乏系统性的实证研究。
在简单认知任务上，人们是否准确认识到自己使用 AI 的频率？人们是否高估了 AI 在时间和精力方面带来的效率增益？先前的 AI 使用经历是改善还是加剧了人们对 AI 效率的错误校准？
