大型语言模型（LLM）常以合成答案出现，却未提供易于检查的证据。我们在 ShareChat 与 WildChat 平台上收集了 489,283 条助理‑用户响应对，分析了用户在接受、核查和质疑答案时的行为特征。\n\n在符合条件的回复中，宽泛的归因语言出现率为 31.9%，而明确的 URL 仅为 1.33%，说明声称有依据与实际可检查支持之间存在显著差距。归因、表达不确定性以及其他线索通常伴随核查和质疑行为；其中只有不确定性在统计上略微倾向于促使用户进行核查。\n\n在技术帮助场景中，不确定性更倾向于引导核查而非质疑；而在信息检索场景中，拒绝回答和提供推理过程的痕迹则更容易导致用户质疑。审视行为集中在少数对话中；若将对话层面的差异和响应顺序单独剖析，表面上的回合间持续性会大幅下降。\n\n这些结果表明，要提升答案可验证性，需要关注证据的可检查性、用户所要解决的问题类型以及交互历史的累积效应。\n\n点评：本研究揭示了 LLM 透明度不足对用户审查行为的影响，并为设计可验证的对话系统提供了实证依据。