根据论文，人们决定是否查看解释时主要基于哪些效用？
工具性效用、享乐性效用和认知性效用。
Not All Explanations Are Sought: Information-Seeking Psychology for Human-Centered XAI
（翻译）并非所有解释都为人所求：以人为中心的可解释AI中的信息寻求心理学
资讯摘要
Abstract page for arXiv paper 2608.27464: Not All Explanations Are Sought: Information-Seeking Psychology for Human-Centered XAI
AI 摘要
这篇立场论文主张，以人为中心的可解释AI（HCXAI）应融入信息寻求心理学。研究基于Sharot和Sunstein的框架，认为人们会依据工具性、享乐性和认知性三类预期效用来决定是否查看解释，这些判断受控制错觉、自动化偏差、不切实际乐观、影响偏差、过度自信和确认偏差等影响。过度或不足的信息寻求会导致注意力分散或风险被忽视，尤其是在智能体AI系统中。作者呼吁设计应使解释不仅可用，而且被用户主动寻求。
AI 问答
论文指出哪些认知偏差会影响对解释效用的判断？
控制错觉、自动化偏差、不切实际的乐观、影响偏差、过度自信和确认偏差。
论文对智能体AI系统的可解释性设计有何建议？
应支持用户理解级联行动、评估风险并决定何时干预，设计目标是使解释被用户主动寻求而非仅可用。
更多资讯
清晰法案有概率通过？市场可能并未定价
微软 CEO 纳德拉：AI 应用的机会正在变大，模型成本将继续下降
AI 减速还是不减速：一场周末点燃的行业与政府对垒B站AI无限竞技场今日上线！全球百大AI模型同场竞技，GPT-6高居榜首前高通算法研发经理跨界AI算力板检测，获近亿元战略投资丨36氪首发
清晰法案投票失败 后续还有机会吗？从前沿技术到产业资本，2026产业未来大会看见「深水之上」
稳定币挤兑与套利集中化
GPT-6 Sol 曝光：OpenAI 要把旗舰变成大白菜
借助会话追踪与成本控制排查 AI 智能体故障
豆包 2.1 Pro模型更新，已接入豆包工作Announcing instance preference lists for Amazon SageMaker AI training jobs担心代码被拿去训练！英伟达：限制员工使用 Claude；一汽将成广汽第二大股东！南北丰田拟合并；苹果回应「iPhone 18 Pro破发」
做了两年AI落地，我总结了这7点思考
无效的管理者和疲惫的基层：浅论考核指标的漂移36氪首发 | 国内头部硅电容IDM企业融资亿元，切入AI芯片与高端光模块廉价太阳能改变世界能源格局
上市前交易市场：永续合约化的Pre-IPO资产
分析师：四大关键因素驱动 Robinhood 链快速增长
HIP-3：昂贵的入场券 买不来的护城河
Uniswap v4上的恶意Hooks华为坤灵升级“4+10+N”场景化方案，发布“经纬计划”和50个样板点
百度做了一堆AI产品，却没有一个能代表百度？Fault tolerant distributed training on Amazon EKS using NVRx
QQ 飞车 Agentic 研发转型过程中的Loop Engineering无问芯穹联合清华、上交正式开源具身端侧推理引擎APXInf，Pi 0.5性能SOTA
TensorRT Edge-LLM Completes the MLPerf Edge Agentic Benchmark 6.4x Faster on Jetson AGX Thor清华稳准智能联合发布LimiX-2，结构化数据基础模型登顶国际评测榜单
超越代币化：让RWA在链上真正有用7名博士生仅用3个月从零训练7B大模型：代码+数据+训练日志全公开