对抗技能退化：元认知反馈可减少对 LLM 助手的认知卸载

一项预注册在线实验（N=704）比较了两种减少用户对 LLM 助手依赖的干预：元认知反馈和基于努力的奖励，并设置无 AI 对照组。任务是练习分数运算，助手仅在用户明确请求时给出答案，随后进行无辅助测试。结果显示，元认知反馈降低了答案卸载（OR=0.47），并提升了测试成绩（OR=1.51）；未发现奖励对这两个结果有影响的证据。

此前讨论多聚焦于 AI 是否导致技能退化，但缺少在不限制 AI 使用前提下可验证的干预方案。该实验首次以预注册、随机对照方式比较两类设计，表明仅靠提示用户卸载后果即可改变行为，而激励机制在本任务中未显现作用。

元认知反馈通过让用户在请求答案前明确意识到“直接拿答案”会减少自身练习机会，从而改变其卸载决策；奖励设计则试图用外部激励换取更少依赖，但实验中未产生可测效果。这说明影响卸载行为的关键可能在于用户对长期学习代价的感知，而非短期收益。

对教育、培训和知识工作类 AI 产品而言，可在助手请求答案的交互节点加入提示，说明依赖 AI 对技能练习的影响，而不必限制功能。研发上需区分“提示后果”与“奖励积分”两类机制的效果差异，并评估该类提示对任务完成率与用户留存的影响。

• 在 LLM 助手的“直接给答案”按钮旁加入元认知提示，说明该操作会减少练习机会，并做 A/B 测试其卸载率与后续测验成绩。
• 为学习类产品设计可配置的反馈策略，将元认知提示作为默认项，并与积分奖励方案分别测试。
• 将卸载率与无辅助测试表现作为产品指标，纳入 AI 助手功能的效果评估体系。

• 元认知反馈的效果是否能推广到分数运算之外的任务与真实产品环境？
• 奖励无效果是否与具体奖励形式、额度或任务类型有关？
• 长期使用元认知反馈是否会引发用户疲劳或绕过提示？
• 实验中的测试成绩提升是否能在更长时间尺度上持续？