Human-Machine Teaming Considerations Necessary to Develop Trustworthy, Mission Ready Large Language Models
Notice bibliographique
Résumé
Large Language Models (LLMs) are changing how people do their work, and the Intelligence Community (IC) is no exception. LLMs can be used for a variety of different mission applications and can potentially save users time and effort. However, LLMs have a tendency to “hallucinate”, or fabricate information. These hallucinations can negate many of the benefits that come from using LLMs and can often call the trustworthiness of these systems into question. Therefore, this research seeks to understand how to develop, refine, and prototype methods and tools to make LLMs mission ready for intelligence analysts. More specifically, this work strives to discern the human-machine teaming considerations that are necessary to understand what intelligence analysts need in order to use LLMs effectively to generate intelligence reports. To ground this work, we start by learning more about analyst’s processes, mental models, and challenges. This enables us to understand analysts’ current processes, so that when developing LLM-enabled tools, we support them in ways that align with known methods. Through published resources from the Five Eyes countries (i.e., Australia, Canada, New Zealand, the United Kingdom, and the United States), as well as first-hand accounts from current and former analysts, we have developed an understanding of where analysts may benefit from the support of LLMs, how they might be used effectively in their processes, and how we might enhance analysts’ trust when using such tools. Through this presentation, we will first discuss our findings from the research and then share our thinking about the tools we are prototyping based off these insights, that not only support analysts in their work, but that also enable a calibrated level of trust between analysts and the LLM-enabled tools they are using.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,025 | 0,120 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,011 | 0,019 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».