针对技能退化的设计：元认知反馈减少向 LLM 助手的认知卸载

向 AI 进行认知卸载可能减少练习技能的机会，从而带来技能退化的风险。然而，在不限制 AI 使用的情况下如何防止技能退化，仍不清楚。本文设计了两种干预措施，以减少卸载决策：（1）元认知反馈，使卸载对用户造成的影响明确可见；（2）基于努力程度的奖励，激励用户减少对 LLM 的广泛辅助。我们在一项预注册在线实验中测试了这两种干预措施（$N = 704$），实验采用 2×2 设计，并设置了无 AI 对照组。任务是使用一名基于 LLM 的助手练习分数算术；该助手仅在用户明确提出请求时提供解答，随后进行无辅助测试。元认知反馈减少了答案卸载（OR $= 0.47$），并提高了测试表现（OR $= 1.51$）。我们没有发现奖励影响这两项结果的证据。我们的结果表明，元认知反馈是减少认知卸载的一种有前景的设计选择。