Generics in science communication: Misaligned interpretations across laypeople, scientists, and large language models
这项研究表明，外行和大型语言模型对科学泛指概念的理解比科学家认为的更具普遍性和可信度，这凸显了在人类和人工智能介导的科学传播中存在显著的误解和过度概括风险。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
以下是使用简单语言和创意类比对该论文进行的解释。
核心理念：“泛化”游戏
想象一下，科学家们是刚刚烹饪出一道美味新菜的厨师。他们想要向世界介绍这道菜。为此，他们使用了一种特殊的语言，叫做泛指（generics）。
一个泛指的陈述就像是在说：“这碗汤是辣的。”
听起来这适用于每一碗汤，在任何地方，永远如此。它并没有说“有些碗是辣的”或者“我们今天做的这特定一碗是辣的”。
研究人员想要观察三组不同的人是如何解读这句话的：
- 外行人士（Laypeople）： 普通大众（比如你和我）。
- 科学家（Scientists）： 真正做出汤的厨师。
- AI 聊天机器人（AI Chatbots）： 数字助手（如 ChatGPT 和 DeepSeek），它们负责阅读食谱并为我们总结。
研究发现，这三组人虽然在玩同一个游戏，但使用的规则手册却大不相同。他们之间存在错位，这可能会导致困惑。
1. 三个玩家及其规则手册
🧑🤝社区 外行人士（普通受众）
类比： 想象你正在参加一个美食节。一个牌子写着：“这碗汤是辣的。”
他们的解读方式： 你认为这意味着所有的汤都是辣的。你认为：“哇，这是一个普遍真理！每个人都应该吃这个！”
结果： 外行人士认为这些泛指陈述具有更高的泛化性（适用于所有人）和更高的可信度（更值得信赖），比科学家认为的程度更高。他们直接接受了这种宽泛的说法。
👨🔬 科学家（专家）
类比： 做出汤的厨师知道，他们只在特定的厨房里对 50 个人进行了测试。他们知道，如果改变水质或锅具，辣度可能会发生变化。
他们的解读方式： 当厨师读到“这碗汤是辣的”时，他们想：“嗯，在这次特定的研究中，它是辣的。但可能并不适用于所有人。”他们拥有一种心理上的“安全网”式的怀疑态度。
结果： 科学家认为同样的泛指陈述的泛化性较低且可信度较低。他们看到了外行人士所忽略的隐藏限制。
🤖 AI 聊天机器人（数字总结者）
类比： 想象一个读过数百万本食谱的机器人。它看到了这句话：“这碗汤是辣的。”
他们的解读方式： 机器人没有厨师那样的谨慎。它看到了数据中的模式，并认为：“这是一个强有力、充满自信的陈述。”它甚至认为这些陈述比外行人士认为的还要具有更高的泛化性和可信度。
结果： AI 是所有人中最“乐观”的。它热爱宽泛、自信的陈述。
2. “过去时”的转折
研究人员还测试了如果科学家改变语言表达方式会发生什么。他们不再使用“这碗汤是辣的”（泛指），而是尝试了：
- “这碗汤曾是辣的”（过去时）。
- “这碗汤可能是辣的”（对冲/不确定语态）。
发生了什么？
- 泛化性： 大家都同意，“这碗汤是辣的”听起来比“这碗汤曾是辣的”更适用于更多的人。
- 可信度（信任）： 这里有一个惊喜。当科学家使用过去时（“曾是”）时，外行人士反而比使用泛指（“是”）时更信任他们。
- 为什么？ 论文指出，当科学家说“曾是”时，感觉更诚实且立足于现实，像是一个具体的报告。而当他们说“是”时，感觉像是一个大胆的、可能夸大的陈述。
3. “错位”问题
该论文识别的核心问题是翻译上的不匹配。
- 科学家的意图： “我使用‘是’（泛指）是因为这样很高效，而且我们业内人都知道这只适用于特定条件。”（他们假设受众也拥有这种“心理安全网”）。
- 外行人士的现实： “科学家说了‘是’，所以这一定是适用于所有人的普遍规律！”
- AI 的现实： “文本说‘是’，那么我会将其总结为适用于所有人的普遍规律。”
危险之处：
如果科学家写道：“他汀类药物能降低心脏风险，”他们可能指的是“在我们对 500 人的研究中，他汀类药物降低了风险。”但外行人士和 AI 听到的是：“他汀类药物能降低（所有人的）心脏风险。”
科学家认为自己在表达精准；而受众认为自己正在被告知一个普遍事实。
4. 为什么 AI 不同
论文指出，AI 模型（如 ChatGPT-5 和 DeepSeek）缺乏认识论警觉性（epistemic vigilance）。
- 认识论警觉性是一个高级词汇，指的是“对所听到的内容进行批判性思考的能力”。
- 人类（尤其是专家）拥有这种能力。他们会问：“这对每个人都适用吗？它的界限在哪里？”
- AI 则没有。它看到文本中的模式并将其放大。如果文本充满信心，AI 就会变得超级自信。它倾向于剥离人类专家自然会加入的那些“谨慎”。
研究结果总结
- 外行人士认为泛指的科学陈述适用于所有人，并且非常值得信赖。
- 科学家认为同样的陈述仅适用于较少的人群，且可信度较低（他们看到了局限性）。
- AI认为这些陈述几乎适用于所有人，并且极其值得信赖（甚至超过了人类）。
- 过去时（“曾是”）让外行人士比面对泛指陈述（“是”）时更信任科学家，尽管科学家使用泛指是为了表达效率。
核心启示：
科学传播就像一场“传声筒”游戏。科学家从一个细微的念头开始，但当它传达到公众（或 AI）手中时，“限制”和“谨慎”都丢失了，留下的是一个宽泛且过度自信的陈述。论文建议我们需要谨慎对待表达方式，因为受众（以及 AI）听到的内容与科学家的初衷并不一致。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。