隨著大語言模型在商業、教育、金融、醫療、法律和科學等領域的廣泛應用，它們對使用者個人和職業生活的影響日益深遠。這種全球影響力的提升，使得我們在構建、評估和部署這些系統時，不僅要關注技術能力，更要優先考慮人類的需求。為此，Caleb Ziems 等58位作者在2026年5月7日提交的一篇論文中，提出了一個開發“以人為本的大語言模型”（HCLLM）的全面框架。
該框架整合了自然語言處理（NLP）、人機互動（HCI）和負責任的人工智慧等多個學科視角。論文的核心論點在於，模型開發者必須在從系統設計、資料採集、模型訓練、評估到負責任部署的每一個環節中，都嚴格且細緻地處理人類的關切、偏好、價值觀和目標，而不僅僅是在訓練後的粗略階段進行簡單的調整。作者們考慮了語言建模的倫理、經濟和技術目標，為每個階段提供了以人為中心的見解和建議。例如，在資料採集階段，應確保資料的多樣性和代表性，避免偏見；在模型訓練階段，應引入人類反饋以最佳化模型行為；在部署階段，需建立持續的監控和反饋機制。
最後，論文透過一個關於未來工作場景的案例研究，展示瞭如何將HCLLM原則應用於實踐。該案例探討了在自動化程度不斷提高的背景下，如何利用HCLLM增強人類能力而非取代人類。這項研究不僅為AI開發者提供了具體的行動指南，也為政策制定者和研究人員提供了重要的參考，旨在推動AI技術朝著更加人性化的方向發展。