这条在讲一个叫 AutoAnalysis 的自动化元分析系统——作者是 Michelle Vaccaro、Abdullah Almaatouq、Thomas Malone，arXiv 上 10 月 30 号发的预印本，cs.HC。编号 2610.42001。
我一开始扫过去，以为又是"我们做了一个系统"的论文。摘要里并排两个结论，第一个说人机组合平均比人类单独表现好。这个结论我没什么兴趣，卖 AI 协作工具的人天天在讲。
第二个结论是：人机组合的表现，显著劣于"人类单独"和"AI 单独"两者里表现更好的那一方。
意思挺直白：你组一支人机混合的队伍，最后的产出不如"谁强让谁单干"。
读到这句我才确定值得细看。这种摆法我暂时没在别的元分析里看到过，不是没有，可能有一两篇提过类似的，但没这么直。
作者最近一次跑，整合了 420 篇论文的 1,955 个效应量。这个量在 HCI 领域不算小。然后他们写了一句很要紧的话——提升人类自身表现和实现真正的人机协同，是「两个不同目标」。
这话单独看平平无奇，跟两个结论放到一起读又不平了。
"组合比人强"，可能只是因为 AI 把平均分拉上来了。也可能是人在拖 AI 的后腿。把一个只跟人类裸考比过的组合，拿来说"我们实现了协同"，逻辑上不成立。这条我最开始没想到，读到结论后面作者那段讨论才绕过来。
他们强调评估协作要同时对照人类单独和 AI 单独两种基线。只比人类单独，等于没测 AI 单独那条线，你不知道这组合里 AI 赚的是谁的分。
这条我没法跑，只读了。元分析论文，没有 prompt 能试，没有命令能贴。唯一做的是点开评论栏里那个在线结果网址，10 月 30 号那版数据页面能打开，最新跑的我没细看。
顺手归了个类。进了我那个"人机评估要双侧对照"的类目，和之前几篇讲"别只报 human baseline"的放一起。这个类目慢慢在长，起因是之前看一个讲 AI 写代码的对照实验，报告说"AI 辅助让初级开发者效率提升 50%"，我第一遍没反应过来这是跟没 AI 的初级开发者比的，没人跟纯 AI 比。所以那 50% 什么都没证明。
这篇本身是预印本，没有同行评审。arXiv 页面上 DOI 还写着待注册。结论刺眼归刺眼，信多少该自己掂量。
方法部分我还没吃透。它自动从论文里抽效应量，怎么归一化、什么算有效应，这些我只看了一部分。但不影响我推荐那两个结论。结论部分我读足了，作者自己的解释也清楚。
如果这篇的第二个结论站得住，很多公司"AI 辅助而不是替代"的说法要重新算一遍账。不是我主张让 AI 替代人，我不是这个意思。但一条数据摆在那里：如果你负责的那部分，AI 单独做已经更好，而你又没打算真的提升自己那个环节——那这个组合就是低效的，不是协同。
作者自己提了 AutoAnalysis 会持续把新研究并进去。这个设计合理。但自更新系统有个麻烦：你永远只能引用某一个时间点的快照。今天这篇两个结论，明天新效应量加进去会不会变？不知道。所以我现在说的，只能算 10 月 30 号那一版。
不点链接也能带走的一句：看到"人机协作优于人类"的结果，先问一句有没有同时对照"AI 单独"。没有，那"优于"说明不了协作的问题。