随着大语言模型在商业、教育、金融、医疗、法律和科学等领域的广泛应用，它们对用户个人和职业生活的影响日益深远。这种全球影响力的提升，使得我们在构建、评估和部署这些系统时，不仅要关注技术能力，更要优先考虑人类的需求。为此，Caleb Ziems 等58位作者在2026年5月7日提交的一篇论文中，提出了一个开发“以人为本的大语言模型”（HCLLM）的全面框架。
该框架整合了自然语言处理（NLP）、人机交互（HCI）和负责任的人工智能等多个学科视角。论文的核心论点在于，模型开发者必须在从系统设计、数据采集、模型训练、评估到负责任部署的每一个环节中，都严格且细致地处理人类的关切、偏好、价值观和目标，而不仅仅是在训练后的粗略阶段进行简单的调整。作者们考虑了语言建模的伦理、经济和技术目标，为每个阶段提供了以人为中心的见解和建议。例如，在数据采集阶段，应确保数据的多样性和代表性，避免偏见；在模型训练阶段，应引入人类反馈以优化模型行为；在部署阶段，需建立持续的监控和反馈机制。
最后，论文通过一个关于未来工作场景的案例研究，展示了如何将HCLLM原则应用于实践。该案例探讨了在自动化程度不断提高的背景下，如何利用HCLLM增强人类能力而非取代人类。这项研究不仅为AI开发者提供了具体的行动指南，也为政策制定者和研究人员提供了重要的参考，旨在推动AI技术朝着更加人性化的方向发展。