什么使GPT的输出具有实用性？GlobalGPT请求中的任务委派与用户控制

一项关于任务委派、产出要求及用户控制的GlobalGPT探索性研究。.

数据来源与许可： 本研究使用了8月份自愿向GlobalGPT共享数据并授权将其用于本研究的用户记录。为保护隐私，具体案例已进行概括处理。确切的活动总数、账户数量、样本数量及观察日期均未公开披露。.

研究数据一览： 超过 10 万条用户消息、约 5 万个对话标识符组以及超过 2 万个账户。这些四舍五入后的总数描述的是源数据集，而非定性分析中考察的请求数量。.

摘要

背景介绍 关于对话式人工智能的研究将人们讨论的话题与他们获取信息或委派工作的意图区分开来。然而，委派的工作可能包含超出生成相关内容范围的要求：例如易于使用的格式、对提供材料的忠实度、证据，或者在执行前进行审核的机会。.

研究问题： 需求记录是如何规定输出成果在何种条件下才可使用的？后续需求又是如何表达交付和控制要求的？仅标注主题的任务标签掩盖了哪些区别？

方法： 该研究利用人工智能辅助的定性分析方法，对授权材料中选定的请求片段进行了分析。通过主要任务、诊断和后续审查表格，对输出要求、来源忠实度、证据、保留的控制权以及平台访问权限进行了比较。这些表格分别进行了分析；主题性研究结果描述的是被审查的材料，而非总体流行情况。.

研究结果： 经审查的请求将内容生成与交付可用的成果区分开来。有些请求指定了可编辑或可下载的格式；有些则限制对源材料的修改、要求提供证据，或保留在实施前的审核权。 针对其他工具的导航问题和提示，进一步增加了仅描述主题的复杂性。对比案例包括直接的事实性问题、不涉及执行的建议请求，以及上下文信息不足的输入。.

释义： 任务委派与用户控制可在同一请求中并存。现有证据支持对所请求的操作及其结果所附带的条件进行分析性区分。但这些证据并未证实此类模式的普遍性、交付成功率、工作量减少，也未证实使用该模型的因果效应。.

1.导言

本报告分析了从自愿共享且经授权的 GlobalGPT 数据中选取的若干请求，旨在探讨一个仅凭使用量无法解答的问题： 在AI生成的结果可以投入使用之前，用户需要满足哪些条件？

“解释电子表格”和“返回可编辑电子表格”这两项请求，虽然涉及同一主题，但要求完成的工作却不同。同样，“修订文档”既可以指在不改变事实内容的前提下修正语言表述，也可以指自由地创作一个新版本。这两者都可归类为写作，但模型的允许角色和用户的验收标准却有所不同。.

本研究探讨了用户如何阐述他们希望GPT完成的工作，以及对结果所附加的条件。本研究立足于人机交互研究领域，通过用户对交付、保真度、证据和控制方面的明确要求，探讨了任务委托的问题。.

大规模使用研究已确立了“对话主题”与“用户意图”之间的一种有用的区分。Chatterji 等人对其研究对象——消费者 ChatGPT 的研究中，将对话分为“询问”、“操作”和“表达”三类 [1]。 这引发了一个进一步的问题：在要求执行某项操作的请求中，用户还需要指定、检查或授权哪些内容？一个输出结果即使未满足请求的格式要求，或未按指示保留源材料，也可能与该话题相关。.

GlobalGPT 是一个多模型 AI 订阅平台，它提供了一种设置，使请求既可以涉及外部任务，也可以涉及执行该任务的方式。 所选记录包含关于内容、文件、模型能力以及访问早期作品的问题。这些是 GlobalGPT 上的 GPT 标注记录，并非官方 ChatGPT 应用用户的样本。.

我们提出三个问题：

1. RQ1 — 可用性条件： 被检查的请求对其期望的输出提出了哪些特定要求？
2. RQ2 — 授权与控制： 初始请求和后续请求是如何规定交付、修订、证据以及建议与执行之间的界限的？
3. RQ3 — 测量： 当仅用主要主题标签来描述请求时，以下哪些区别会丢失？

本文提出了一个框架，用于理解用户如何定义可用的AI输出。通过将请求的操作与交付要求及保留的控制权区分开来，该分析指出了对设计和评估AI辅助工作至关重要的区别。.

2. 相关研究与分析方向

2.1 主题、意图与经济活动

人们如何使用 ChatGPT 通过多种分类方法分析了观察到的消费者 ChatGPT 活动[1]。其主要分类数据集采样了对话内容以及每段被采样对话中的一条消息，并调整了采样权重以考虑底层源表中变化率的影响。分类过程利用了先前的对话上下文，而非将每条短消息视为独立的单元。.

本文将“主题”与“意图”区分开来。“询问”涉及信息或建议；“执行”涉及模型生成的结果；“表达”则涵盖既非信息请求也非任务委托的陈述。一个技术问题可能要求解释或可运行的代码，而一个写作请求则可能要求直接可用的草稿。因此，这种区分不能仅归结为主题内容。.

该研究还将大规模分类与验证区分开来。其附录B通过公开的WildChat数据集，将模型标签与人工判断结果进行对比，报告了一致性指标，并使用了一组独立的开发数据集。在人口统计分析中，通过回归分析处理了与测量特征相关的差异。这些方法适用于特定的研究问题和数据结构；无论是大样本规模还是回归设计，均不适用于本研究数据集。.

我们的问题涉及对委托产出的要求。 我们将“信息”与“行动”的区分作为解读的出发点，但并未采用NBER分类法，也未声称其具有同等效力。经审查的请求表明，“执行”可以进一步从以下方面进行描述：必须保留的内容、产出的交付方式，以及用户希望何时进行审查。.

2.2 从分类到比较

定性分析不仅能提供一长串分类列表，还能通过比较类似请求的具体要求，并考察那些对某种解释提出挑战的案例，从而发挥更大的作用。Gale等人阐述了按类别比较案例、采用明确的分析框架以及关注矛盾案例的价值[2]。他们还提醒道，矩阵本身并不能使有目的选取的材料在统计上具有代表性。.

本分析借鉴了这种比较逻辑。它并不声称完全实施了“框架法”：既没有组建跨学科编码团队，也没有对所有源文本进行逐行详尽的编码，也没有由独立的定性研究人员进行评估。研究材料具有异质性，因此比较仅限于一个共同特征——针对人工智能系统提出的明确要求。 我们将该程序称为探索性定性内容分析，并辅以主题证据矩阵。.

2.3 工作概念

任务委派 指明确要求系统执行某项操作或产生某种结果。. 可用性条件 列出了实现该结果的各项要求，例如可编辑性、来源准确性、证据、受众适用性或呈现方式。. 保留控制权 指对系统当前应采取的行动所设定的明确限制，包括要求在继续操作前提交计划或草案。.

这些概念描述了请求的文本内容。详细的说明并不必然意味着不信任、专业知识、挫败感或工作量较大。要求提供来源并不证明之前的回答是错误的。该分析将这些可能的解释与直接表达的内容区分开来。.

3. 方法

3.1 设计与数据来源

这是一项针对现有记录的回顾性探索性分析，这些记录来自8月份自愿向GlobalGPT分享数据并授权将其用于本研究的用户。8月仅指用户分享数据的时间点，并非指完整的观察时间窗口。本次系统综述未招募新参与者，未实施任何干预措施，也未进行额外的数据库数据提取。.

所提供的提取数据保留了非空、未被删除且对话标识符不为空、且模型标签与提供的GPT过滤器相匹配的用户消息行。路由、资格条件以及完整对话边界均未经过独立核验。为保护商业敏感信息，确切的提取日期、活动总数及账户数量不予披露。.

定性研究结果基于选定的综述材料。该综述并非对全部提取数据的逐条分析，且经授权的贡献者并不被视为全体平台用户的代表性样本。.

3.2 可用的复习资料和单元

该诊断表包含不确定标签和实质性任务类别。其构成与数据源的提取量不成比例。筛选主要针对不确定分类，且未确定纳入概率。.

在各份审查表格中，部分初始文本会反复出现。文本内容相同并不意味着用户或对话相同，但这使得无法将这些表格视为可证明相互独立且相互印证的样本。这些表格的分母并未合并，且重新编码的比例也未外推至数据提取结果中。.

定性单元是指在已检查字段或后续摘录中可识别的请求。存储的行可能包含粘贴的文档或嵌入的历史记录；它并不自动构成自然的对话轮次。审查表的确切规模并未公开披露，这限制了外界对分析覆盖范围的评估。.

3.3 读取与解释程序

初步审查检查了“主要任务表”中具有特定意图的条目，以及长字段或含义模糊字段中的部分结尾。将“其他”类别中的记录分配到了探索性类别中。对“后续表”中的初始及后续摘录进行了审查，以识别其中表达的行为，但未对其出现频率进行估算。.

随后的审查检查了诊断表中的开头部分，对于较长的字段，还检查了结尾部分。被输出截断所隐藏的内容被重新读取。这是一次对承担任务的摘录部分的审查，而非对每个嵌入的合同、研究段落、传记或代码历史的详尽阅读。引用的附件和外部链接均未打开。.

该比较框架区分了输入材料、所需操作、输出形式、验收条件、保留控制权以及平台访问权限。该框架是在接触相关数据并参考文献的基础上开发的，未进行预注册。原始分类标签仍可见。.

该分析对比了以下几种截然不同的形式：直接生成与解释；保留原样与自由修改；立即实施与先规划；外部任务要求与平台导航。对于含义模糊的源文本段落、问候语、固定回应指令以及嵌入式角色材料，分析中将其保留下来作为对解释的限制，而非强行将其归入实质性类别。.

本次审查和解读工作由一名人工智能助手独立完成。未涉及独立的人工编码员、盲标、裁定或已证实的主题饱和度。概念维度并未以二元标签的形式对每一行进行穷尽性标注。结果矩阵描述的是模式和反例，而非流行率或共现率。.

3.4 描述性分析与统计分析

已对汇总计算结果和探索性类别计数进行了内部分析核查。确切的计数、百分比、平均值和观察窗口长度未予公布，因为这些数据可能会泄露具有商业敏感性的规模信息。公开报告提供了源数据集的四舍五入后的总计数据以及定性对比，但未提供类别频率的放大或四舍五入后的估计值。.

主要任务的重新编码为每条经审查的残差记录分配了一个探索性类别。这只是针对选定子集的记账工作，而非基于抽样加权的总体估计。存储行结构和数据提取边界也使得无法将内部组汇总数据视为“完整对话”的后续概率或自然轮次长度。.

未进行假设检验、回归分析、总体置信区间计算或转移概率计算。未知的纳入概率、重复文本、不完整的对话关联性以及未经验证的标签，都限制了统计推断。对选定的行进行重采样并不能纠正其选择过程。由于没有独立评分，因此未报告评分者间一致性统计量。.

3.5 隐私与反思性

该报告采用的是概括性描述，而非私人引语、特定经历、账户标识符或联系方式。对个人情况的提及不被视为经过核实的身份或特征。不会根据消息的措辞或内容推断出任何人口统计特征。.

GlobalGPT 运营该数据源平台，并从其使用中获益。本报告是在内容研究背景下编制的，这可能导致偏向于报道关于生产力或需求的吸引人的故事。为限制此类解读，分析中纳入了对比案例，且并未将请求与成功执行等同起来。 用户授权共享数据并不构成对分析结果的独立伦理审查或人工验证；本文亦未对此作出任何主张。.

4. 研究结果

4.1 研究问题1：一个可用的结果可能不仅需要相关内容

有些请求指定了具体成果，而不仅仅是答案本身。它们要求提供可编辑的工作表、演示文稿、可下载的图片，或者适合后续制作环节的文档。在这些情况下，内容和交付格式是两个独立的要求。仅说明如何创建文件，本身并不能满足对方明确提出的获取该文件的要求。.

下文中的比较是对部分请求的改写，旨在说明所陈述要求的差异；这些内容并非逐字引用，也不是对出现频率的估计。每个“A”和“B”分别描述一条源记录。这些配对比较的是不同请求之间的任务条件，而非匹配的实验或同一用户内的变化。.

比较 1 — 解释一个技术问题并交付一个文件。.

请求 A — 概括性： 一位用户询问，数值格式之间的转换是否会导致下溢。该用户明确表示希望获得技术层面的解释，并未要求提供文件。. 请求 B —— 通用版： 另一位用户提供了一段用于创建工作簿的代码，并要求提供由此生成的可下载电子表格。所请求的对象是该文件本身，而不是对所提供代码的解释。.

两者的区别在于实现方式：A 可以在文本回答中予以解决，而 B 则明确要求提供用户能够获取的成果。 尽管这两者的主题不同，但这组案例支持了研究问题1（RQ1）所提出的区分——即回答内容问题与满足输出格式要求之间的区别。但这并不能证明电子表格是否已被生成或下载，也无法证明这两条回复是否满足了用户的需求。.

其他要求则对转换设定了条件。它们要求在保持事实、细节或解释顺序不变的前提下，提升语言表达质量。因此，源材料不仅仅只是背景：它还可以界定允许更改的范围。诸如“写作”之类的主题标签并不能揭示这一界限。.

比较 2 — 保留文档并扩展虚构背景。.

请求 A — 概括性： 一位用户希望对提供的报告进行语法和风格上的改进，同时保留其中的细节和说明顺序。. 请求 B —— 通用版： 一位用户提供了虚构世界观的设定笔记，并要求补充带有简要描述的地点，明确邀请大家提出超出已提供背景设定范围的创意，同时确保这些创意与该设定相关。.

这两项要求虽都涉及根据现有材料创作文本，但来源材料所起的作用却不同。A将保留的内容作为修订的限制条件；B则将提供的背景设定视为新创作的起点。这印证了研究问题1和研究问题3：仅凭写作标签本身无法描述允许的修改程度。 该比较既未验证报告中事实性陈述的真实性，也未表明任何一种输出结果都遵守了相关指示；B所赋予的创作许可仍仅限于虚构内容的补充。.

证据是另一个被请求的属性。某些记录需要精确的引用，要求对事实性陈述进行核查，或者要求将不确定信息与已确立的信息区分开来。这并不表明最终给出的答案是否可靠，而是表明用户明确将证据作为了请求结果的一部分。.

比较 3 — 确定来源并限制外部搜索。.

请求 A — 概括性： 一位用户询问与所附图相关的确切科学参考文献，格式应为学术引用。. 请求 B —— 通用版： 另一位用户要求利用该模型现有的知识对材料进行简明扼要的技术比较，并明确表示不进行网络搜索，以节省积分。.

区别在于证据要求和允许的作答方式。A 要求提供可识别的来源；B 对外部检索设定了明确的限制。 A 未规定强制性的检索程序，而 B 的限制并未免除准确性的要求。这两点共同支持了 RQ1 将证据策略视为任务特定策略的观点。本研究未对图表和完成的答案进行评估，因此既未证实成功识别了信息来源，也未证实提供了可靠的技术建议。.

这些截然不同的案例具有重要意义。直接的事实性问题并不一定需要指定具体文件。有些请求旨在寻求裁决或解释，而其中一种被审查的类型则明确限制了外部检索。因此，这些发现支持多种形式的可用性，而非普遍倾向于产出成果或进行最大程度的研究。.

4.2 研究问题2：委托可以保持执行上的显式边界

这些材料包括：要求在制定规范之前先提交计划、在准备好用于演示的摘要之前先提交初稿，以及就流程中应自动化多少内容征求建议。这些要求在将部分工作委托给他人处理的同时，保留了日后做出决定的权利。还有其他记录则要求立即直接实施或立即提交完整的成果。.

比较 4 — 现在进行规划，现在编写代码。.

请求 A — 概括性： 一位用户描述了一个软件项目，但明确要求系统在本次回复中重点关注研究和实施规划，并将代码生成留待后续提示时处理。. 请求 B —— 通用版： 另一位用户请求提供实现指定自动化流程的源代码，该流程应具备可配置的设置和操作规则。.

两者都涉及软件构建，但其当前的执行边界不同。A 定义了一个未来的实现目标，同时将当前任务限定为规划；B 则要求在当前响应中进行实现。这支持了研究问题 2（RQ2）：将项目委派给他人并不意味着自动授权后续的每一步骤。 这一对案例并未证明A的后续编码阶段确实发生过，也未证明B的程序能够正常运行，更未证明先进行规划能改善结果。这些是独立的请求，而非被观察到的“前后”序列。.

这种对比对“请求”与“执行”之间的简单区分进行了补充说明。一个请求可能涉及最终的产出，而此时却要求系统在中间阶段停止。若将其视为无限制的执行，就会忽略一个明确指定的控制边界。.

后续摘录提供了另一种视角。用户可能会要求修改措辞、补充缺失的上下文、请求更改格式、查找来源链接，或者询问如何获取结果。这些都是不同的交互需求。它们不能全都归类为故障恢复：新的需求可能是对任务的进一步阐述，而非对错误的响应。.

这些摘录也无法证明从提问到草稿再到最终文件的流程具有普遍性。该资料包并未提供一份完整且经过独立核实的答复记录。我们看到的是请求表和一些局部后续处理，而非一个通用的流程模型或状态转换概率。.

4.3 研究问题2：部分研究关注工具之间的访问和数据传输

有些消息询问早期工作的位置、如何上传材料、哪种模型能够处理拟定的任务，或者如何使用集成。这些请求涉及工作所依赖的环境。即使它们对于完成外部内容任务是必要的，也与该任务本身有所不同。.

其他记录要求针对单独的图像、演示文稿或研究工具提供提示。在此情况下，提示本身就是预期的中间交付成果。它可能是更广泛工作流程的一部分，但该记录并未证明下游工具已被使用，也未证明实际上发生了模型切换。.

从分析角度来看，面向用户的AI请求至少涉及三个不同的对象：任务、任务结果，以及生成或检索该结果的手段。平台相关问题体现了用户明确的导航需求；但仅凭这些问题本身，并不能验证界面是否存在缺陷或功能缺失。.

4.4 研究问题3：主题标签浓缩了跨越不同任务的差异

此前对“其他”类别记录的重新编码工作发现，其中包含视觉内容制作、信息检索、写作、实用建议、软件帮助、结构化文档、编码、学习以及平台导航等内容。 补充表格中还包含一些明确的请求，其操作内容无法通过现有的主题标签充分描述。一些较长的源字段末尾附有“翻译”、“总结”或“生成文档”等操作指令。.

由此会产生两个测量问题。首先，分类器可能会根据粘贴内容的主题做出响应，而非根据对模型提出的操作请求。其次，即使主题分配正确，也可能忽略那些用于区分不同请求的格式、保真度、证据或批准条件。.

这些维度可能存在重叠。它们是一个解释性框架，而非一个新近得到验证的、详尽的分类体系。该表总结了所考察材料中的差异，并未提供频率排名。.

4.5 难以进行实质性解释的记录

主要审查表中包含重复或固定的短响应模式。其来源不明；这些模式可能反映日常使用、评估、连通性检查、复制的示例，或是其他过程。它们既未被悄然移除，也未被标识为已确认的测试流量。.

其他字段包含嵌入的角色声明、工具标记或粘贴的对话记录。这种封装方式使得将某句话归因于当前用户请求变得复杂。有些记录仅包含源材料或片段，若缺少上下文，则无法确定其用途。.

这些案例在分析上很有用，因为它们对该主张进行了限制。该数据集并不是对独立且被完全观察到的授权事件的透明记录。仅靠更好的任务分类，无法消除对存储记录所代表内容的疑问。.

5. 讨论

5.1 授权生产不等同于放弃控制权

核心解释是：请求可以在保留对结果和过程的条件的同时，将某项操作进行委托。用户可以要求系统在保留事实的情况下生成草稿，在生成代码前规划实现方案，或者在做出决策前提供证据。这些情况与任务委托是相容的，而非对其的例外。.

这在明确表述的需求层面，进一步深化了信息检索与信息生产之间的区别。它并未建立一个关于人类与人工智能协作的新普适理论。该研究内容足以说明为何单一意图标签可能需要配套的维度，但不足以估算每种组合出现的频率。.

5.2 输出生成和可用交付是两个独立的评估目标

如果评估仅检查响应是否涉及某个主题，可能会忽略明确的交付条件。对于被检查的工件请求，有效的评估还应考察：请求的表单是否已交付、在需要时是否仍可编辑、是否保留了指定的源内容，以及是否遵守了分阶段审批的界限。.

这些是根据相关请求提出的评估标准，而非经过测量的绩效结果。根据现有记录，我们无法对实际合规情况进行评分。尽管如此，这种区分有助于制定出比消息数量或单纯是否进行了后续跟进更精确的未来成果衡量标准。.

5.3 调查结果未能证实哪些关于协调的问题

制定要求、核查证据和检索文件，可以理解为围绕委派工作开展的协调活动。这些活动的存在引发了一个更深层次的问题：人工智能是减少了总工作量，还是将其重新分配到了制定要求和核查环节？

本研究并未解答这一问题。该研究缺乏对照组、时间测量、完整的输出结果以及独立的任务成功评估。后续研究可能代表有益的合作、可避免的摩擦、目标的变更，或是例行的下一步行动。仅凭统计无法区分这些解释。.

未来的假设可以探讨：明确的推送条件是否能预测后续的格式修改，或者分阶段的批准请求是否与更少的不必要操作相关。验证这些假设需要关联的事件序列、经过验证的标签，以及对用户内部重复观测值的适当处理。这些仍属研究假设，并非本报告得出的结论。.

6. 限制

选择与依赖。. 这些综述表格是为诊断目的提供的，其中未注明纳入概率。部分原始文献在同一表格内及不同表格间重复出现。这些记录无法支持关于人群患病率或独立验证主张的论断。.

解释。. 一名人工智能助手在可见原始标签的情况下进行了分析。该分析未经过独立的人工验证，也未进行评分者间可靠性评估。分析框架是在审查数据后制定的，可能反映了分析人员的预期。.

阅读不完整且缺乏上下文。. 检查重点放在了开头部分、部分结尾以及后续摘录上。较长的原文段落、所引用的附件以及助手的完整答复并未进行全面审查。可能遗漏了一些说明或反例。.

提取边界。. 带窗口的 GPT 标记行可能会遗漏之前、之后或中间的活动。模型路由未经独立验证。存储的行可能包含嵌入的历史记录；行数并不一定代表自然转折点。.

结果。. 请求并不代表交付、正确性、满意度、生产力、转化率或模型优越性。本研究不会根据请求内容推断敏感的个人特征。.

可移植性与商业环境。. 研究结果涉及某个多模型平台上的部分记录。这些结果并不代表ChatGPT的官方使用情况，也不代表更广泛的公众情况。在解读该研究成果时，应考虑该平台的商业利益以及缺乏独立研究审查这一情况。.

7. 结论

经审查的请求将委托给GPT的操作与可用结果所附带的条件区分开来。这些条件包括交付格式、对源材料的忠实度、证据，以及在采取进一步行动前进行审查的机会。平台访问权限以及针对其他工具的提示，增加了仅靠主题标签无法涵盖的要求。.

现有证据支持一个核心论点：在同一请求中，授权与保留控制权可以并存。要描述这种关系，需要关注用户希望生成什么、哪些内容必须保持不变，以及系统接下来被要求执行什么操作。本分析指出了这些区别；但并未估算其在总体中的出现频率，也未证明这些区别能改善结果。.

参考文献

1. Chatterji, A., Cunningham, T., Deming, D. J., Hitzig, Z., Ong, C., Shan, C. Y., & Wadman, K. (2025). 人们如何使用 ChatGPT. NBER工作论文第34255号。https://doi.org/10.3386/w34255。正式记录：https://www.nber.org/papers/w34255。 本处所列工作论文并非经同行评审的期刊文章。.
2. Gale, N. K., Heath, G., Cameron, E., Rashid, S., & Redwood, S. (2013). 在多学科健康研究中运用框架法分析定性数据。. 《BMC医学研究方法学》，第13卷, 117. https://doi.org/10.1186/1471-2288-13-117. 全文：https://pmc.ncbi.nlm.nih.gov/articles/PMC3848812/.

附录A. 定性类别清单

通过探索性重新编码，识别出了以下内容：视觉创作、固定响应指令、信息检索、写作、实用建议、平台导航、模糊输入、软件故障排除、结构化交付成果、编码、学习、音乐、构思、长文本重组以及角色/历史打包。.

本清单列出了在所选材料中出现的类别。类别数量及总数未予披露；该列表既非频率排名，也非对平台需求的估算。.

研究披露

AI 辅助： 一位人工智能助手对所述摘录进行了审查，提出了初步解读，计算了描述性核查结果，并起草了该稿件。声明未与独立的人工标注结果达成一致。.

数据可用性： 基础数据包包含经授权的贡献者自愿分享的私有记录，此处不予披露。确切的数值摘要和观测日期同样不予公开。本报告未授权对单条消息或模板进行再分发。调查结果中的所有示例均为概括性描述，并非私下引述。.