基于一项两阶段在线实验(Phase II 最终样本 N=491),报告了对使用大语言模型(LLM)者的实质性“money-burning”惩罚:完全依赖 LLM 的目标平均被销毁 36% 的收益,且惩罚随实际使用强度单调上升;此外,自我申报不使用在可用情形下比实际不使用更易遭受怀疑与惩罚,显示出“透明度悖论”。这些结果表明 LLM 带来的效率提升伴随显著社会制裁成本 .
| 实际 LLM 使用强度(0–5) | 平均被销毁比例(Mean) |
|---|---|
| 0 | 0.0966 |
| 1 | 0.137 |
| 2 | 0.181 |
| 3 | 0.246 |
| 4 | 0.296 |
| 5 | 0.358 |
(以上要点基于文中表格与图表的直接展示与回归结果汇总)
报告元数据与概览(引言与报告概览)
逐节深度解读
图表/图像(逐一深度解读)
Fig.1(五个 real-effort 题目示意)
描述:展现五个逐渐加难的 emoji 计数网格,作为 Phase I 的实作题目。作者注:为避免 LLM 识别错误,他们只保留了 Gemini 已能正确解答的题目,从而确保 LLM 建议准确(操作化清晰)。此图支持方法部分关于任务难度与 LLM 可用性的说明。
Fig.2(实验流程示意)
描述與解读:左侧为 Phase I 的三条件与各使用强度的收集,中央表明只纳入得满分(5/5)的目标进入 Phase II 判决,右侧示例展示三类目标在 Phase II 给出的信息版式(控制、实际使用量可见、自报使用量)。该图有助理解为何设计上要限制为“满分目标”以排除绩效差异对惩罚的干扰。
Table 1(描述性统计,Phase II 样本与各区块均值)
关键信息与解读:总体 N=491,平均年龄 46.8,性别接近均衡;控制区块平均钱焚毁比例约 9.79%(baseline),而实际使用与自报使用各强度呈递增均值(例如实际 use=5 时 mean≈0.358,即约35.8% 被销毁),这在原始表格中清晰列示,为后续回归提供直观证据。表格显示基线存在一定“自发”销毁(约 9–10%),说明即便无明显不当理由,也存在部分反社会破坏倾向,研究据此将 LLM 使用情形与基线比较。
Table 2(Access to LLM 与 money burning 的回归结果)与 Fig.3(面板 A 与 B)
描述與解读:作者采用混合效应 beta 回归(依变量为被烧毁的奖励比例,经转换以适配 Beta 分布)并给出各强度相对于“无访问”基线的 OR(这里表格标示为 OR,但模型为比率框架下的比值、对数几率呈现)。主要发现包括:实际使用强度 1–5 的 OR 均显著大于 1,且随强度上升(actual use=5 的 OR≈4.83,显著 p<0.001),表明真实使用显著增加被烧毁比例,支持 H1 与 H2;自报使用强度也同样呈上升模式但在低强度处(self-report=0)并不显著低于基线,反而有证据显示自报0时受惩较真实0更大(见下文 Model 2)。图 3A 清晰地以条形展示各强度平均销毁比例并以基线(虚线)对比,图 3B 给出模型预测曲线,显示实际使用(红线)在高强度处上升更陡。
Table 3(Intensity 与 self-reported 的交互模型)
关键系数解读:Intensity 的 OR≈1.39 且高度显著,说明在“可观测”条件下,强度每增加一级,惩罚倾向显著上升(支持 H2);Self-reported 的 OR≈1.19(显著)表明在零使用对比中,自报0比实际0受到更多惩罚(支持 H3);Intensity × Self-reported 的 OR≈0.93 (<1,显著) 意味着强度对惩罚的边际效应在自报条件下较弱(即实际使用强度增长导致的惩罚上升比自报条件更陡),这支持 H4。作者在叙述中亦将这几点作为核心发现。
方法与统计细节剖析
估值/计量解释(如有)
风险因素与局限性(作者指出并进一步评估)
批判性视角与方法学细微差别
结论性综合
附:关键图表(论文内)引用
总评(客观)
(如需我对特定表格的系数、置信区间与计算细节做逐项数值拆解或把模型从 R glmmTMB 输出转换为更直观的边际效应表,请告知我优先关心的表/系数,我将逐一展开并给出可复现的解读与代码说明。)
2601.09772.pdf