Die Studie untersucht, wie Rationale-Formate, die von Frage-Antwort-Modellen generiert werden, die Fähigkeit der Nutzer beeinflussen, Feedback zu geben, und wie gut Modelle dieses Feedback umsetzen können. Außerdem wird untersucht, wie verschiedene Rationale-Formate das Verständnis und Vertrauen der Nutzer in die Modellausgaben beeinflussen.
Es werden fünf verschiedene Rationale-Formate betrachtet, die sich in Attributen wie Zuschreibung, Tiefe der Begründung, sequenzielle Begründung und Annotationen unterscheiden. In einer ersten Studie wird untersucht, wie leicht es für Nutzer ist, Feedback für die verschiedenen Rationale-Formate zu geben und wie effektiv dieses Feedback ist, um die Rationale zu verbessern und die Antwortgenauigkeit zu erhöhen.
In einer zweiten Studie werden Nutzerurteile zur Verständlichkeit und Glaubwürdigkeit der verschiedenen Rationale-Formate erhoben. Zusätzlich werden die Nutzer nach der Wichtigkeit verschiedener Eigenschaften der Rationale befragt.
Die Ergebnisse zeigen, dass Rationale-Formate, die Attributionen und eine ausreichende Tiefe der Begründung aufweisen, am leichtesten zu verstehen und am vertrauenswürdigsten sind. Unter den betrachteten Eigenschaften werden Attributionen und Tiefe der Begründung von den Nutzern als am wichtigsten eingestuft.
翻譯成其他語言
從原文內容
arxiv.org
深入探究