【斯坦福博士论文】通过以人为本的自然语言界面拓展 AI 的可及性

随着自然语言逐渐成为人机交互的默认界面，我们亟需思考：应如何设计大语言模型（LLMs），以安全地支持多样化的人类任务。在本篇论文中，我从自然语言界面的视角出发，提出三项研究工作，以推动我们对 LLMs 设计与理解的深入。这一过程不仅是技术挑战，更涉及对**人为因素（human factors）**的全面考量。

首先，我探讨了 LLMs 在传达风险与自身局限性方面所面临的关键安全隐患。研究发现，LLMs 在“理解”与“生成”关于确定性（certainty）的表达方面均存在困难。 其次，我提出了一个新的评估框架，用于识别人类与语言模型交互中可能产生的伤害，强调应将评估重点放在生成语言所触发的行为上，而非语言本身的质量。 最后，我探索了自然语言处理（NLP）研究如何更好地支持更广泛用户群体的需求，主张在研究议程中引入此前被忽视的任务与需求。 综上所述，我的工作识别了新的安全风险、提出了相应的缓解方案、构建了新的评估框架，并拓展了我们对 LLMs 如何安全地服务更广泛用户群体的理解。