0. 核心问题（One-sentence framing）

• Not outcomes, but processes
• Not performance, but capacity formation
• Not tools, but systems that co-train humans

当大型语言模型深度介入人类的认知与创造性任务时，不同的人机协作模式将如何影响任务表现与人类自身能力的长期演化？

hjj：agent对人类社会的影响;

yyg：定义了5种协作模式，研究这些模式对【任务表现】和【人类能力的长期影响】的作用机制，并探索一种Pareto optimal的模式。

机制：（引子或者反思，并非核心）

1. 人机合作 & 人类合作的本质区别
2. 人-LLM合作和人-历史工具合作的区别

不问“AI 好不好”，不问“哪种模式最好”，而是揭示一个被忽视的社会机制或结构性张力

人类能力训练闭环角度：

当认知被外包，人类失去的是能力，还是训练闭环？

• 人类能力是通过“生成—反馈—修正”训练闭环形成的，而 LLM 是否切断了这个闭环
• 没有足够的认知阻力，知识就不会被固化为长期记忆。LLM 极大地磨平了这种摩擦。
• 我们获得的是“流畅感”的错觉（Illusion of Fluency），而不是真正的洞察力。我们能判断 AI 给出的答案是对的，但脱离 AI 后，我们无法复现得出这个答案的逻辑路径。