AI টেক্সটকে মানবিক করার উপায় নিয়ে বিশেষজ্ঞ প্রবন্ধ, AI detectors এ স্কোর কমানো, উদ্ধৃতি সংরক্ষণ, এবং আরও ভালো একাডেমিক পেপার লেখার নির্দেশনা।
2023 সালের Stanford গবেষণায় দেখা গেছে, সাবলীল অ-স্থানীয় ইংরেজি লেখা native লেখার তুলনায় অনেক বেশি হারে machine-generated হিসেবে ভুলভাবে পড়া হচ্ছে। এই ব্যবধানের পেছনের প্রক্রিয়া এখানে ব্যাখ্যা করা হয়েছে, এবং একই essays আরও সমৃদ্ধ শব্দভান্ডার দিয়ে পুনর্লিখন করা হলে কী ঘটেছিল তাও দেখানো হয়েছে.
বার্স্টিনেস একটি অনুচ্ছেদ জুড়ে বাক্যের দৈর্ঘ্য কতটা বিস্তৃতভাবে ওঠানামা করে তা পরিমাপ করে, গড় বাক্য কতটা দীর্ঘ হয় তা নয়। এই পোস্টে ব্যাখ্যা করা হয়েছে, শব্দটির উৎস কোথায়, বিস্তারটি আসলে কীভাবে গণনা করা হয়, এবং কেন একটি language model-এর আউটপুট সাধারণত দৈর্ঘ্যের একটি সংকীর্ণ পরিসরে স্থির হয়ে যায়।
Perplexity হলো সেই সংখ্যা, যা একটি ভাষা মডেল আপনার শব্দচয়ন দেখে কতটা বিস্মিত হয়েছে তা বর্ণনা করতে তৈরি করে। এই লেখায় 1977 সালের উৎস থেকে শুরু করে মেট্রিকটি অনুসরণ করা হয়েছে, সূত্রটি ব্যাখ্যা করা হয়েছে, এবং দেখানো হয়েছে কেন একই অনুচ্ছেদ ভিন্ন মডেলের ক্ষেত্রে ভিন্ন স্কোর পেতে পারে।
বিক্রেতারা 1 শতাংশের নিচে মিথ্যা পজিটিভ হার প্রকাশ করে। একই ডিটেক্টরগুলোকে অ-স্থানীয় ইংরেজি লেখার ওপর পরীক্ষা করা স্বাধীন গবেষকেরা 60 শতাংশেরও বেশি হার পেয়েছেন। প্রমাণ কী দেখায়, এখানে তা আছে।
AI ডিটেক্টর পাঠকের মতো করে যন্ত্রলিখন চিনতে পারে না। তারা দেখে আপনার লেখা কতটা পূর্বানুমানযোগ্য, তারপর সেটিকে একটি স্কোরে রূপ দেয়। এটি বোঝা গেলে, প্রযুক্তি এবং এর ব্যর্থতা, দুটিই বেশি অর্থবহ হয়ে ওঠে।
আপনার ভাষায় অনুবাদ না থাকা পোস্টগুলো ইংরেজি ব্লগে রয়েছে।