Odborné články o tom, jak humanizovat text AI, dosáhnout nízkého skóre na detektorech AI, zachovat citace a psát lepší akademické práce.
Studie Stanfordu z roku 2023 zjistila, že detektory AI čtou plynulý anglický text nerodilých mluvčích jako strojově generovaný mnohem častěji než text rodilých mluvčích. Zde je mechanismus tohoto rozdílu a to, co se stalo, když byly stejné eseje přepsány bohatší slovní zásobou.
Burstiness měří, jak široce se délky vět v textu rozptylují, nikoli jak dlouhá je průměrná věta. Tento příspěvek vysvětluje, odkud tento termín pochází, jak se rozptyl skutečně vypočítává a proč výstup jazykového modelu má tendenci ustalovat se v úzkém pásmu délek.
Perplexity je číslo, které jazykový model vytváří, aby popsal, jak moc byl překvapen vašimi volbami slov. Tento příspěvek sleduje tuto metriku k jejímu vzniku v roce 1977, prochází vzorec a vysvětluje, proč stejný úryvek může získat odlišné skóre podle toho, který model jej čte.
Dodavatelé zveřejňují míry falešně pozitivních výsledků pod 1 procento. Nezávislí výzkumníci, kteří testovali stejné detektory na psaní v angličtině od nerodilých mluvčích, zjistili míry nad 60 procent. Zde je to, co ukazují důkazy.
Detektory AI nerozpoznávají strojové psaní tak, jak to dělá čtenář. Měří, jak předvídatelný je váš text, a pak to převedou na skóre. Jakmile to člověk pochopí, dává větší smysl jak technologie, tak její selhání.
Příspěvky bez překladu ve vašem jazyce jsou na anglickém blogu.