29 / 30
Burstiness میزان گستره نوسان طول جمله‌ها را در یک متن می‌سنجد، نه این‌که میانگین طول جمله‌ها چقدر است. این نوشته توضیح می‌دهد این اصطلاح از کجا آمده، این پراکندگی عملاً چگونه محاسبه می‌شود، و چرا خروجی یک مدل زبان معمولاً در بازه‌ای محدود از طول‌ها تثبیت می‌شود.
پریپلکسی عددی است که یک مدل زبانی تولید می‌کند تا نشان دهد از انتخاب واژه‌های شما تا چه اندازه شگفت‌زده شده است. این نوشته این شاخص را از خاستگاه آن در 1977 دنبال می‌کند، فرمول را توضیح می‌دهد، و روشن می‌کند که چرا یک متن یکسان می‌تواند بسته به این که کدام مدل آن را می‌خواند، امتیاز متفاوتی بگیرد.
دانشگاه‌ها وقتی افشای استفاده از هوش مصنوعی را انجام دهید، این کمک را مجاز می‌دانند. مسئله این است که نثر هوش مصنوعی معمولاً کلی و یکنواخت به نظر می‌رسد، و آشکارسازهای در سطح دانشگاه آن را بر همان اساس امتیازدهی می‌کنند. این راهنما همه Humanizerهای اصلی هوش مصنوعی را از نظر شیوه بازنویسی، مخاطب هدف، هزینه، و این‌که آیا یک پیش‌نویس دانشگاهی از این فرایند سالم بیرون می‌آید یا نه، مقایسه می‌کند.
APA، MLA، Chicago و IEEE هر یک ارجاع به ChatGPT را به‌گونه‌ای متفاوت پاسخ می‌دهند: به‌عنوان نویسنده، یک ظرف، یک یادداشت، یا اصلاً بدون ارجاع. اینجا آمده است که هر کدام دقیقاً چه می‌خواهند، و مرز میان ارجاع و افشا کجاست.
نثرِ ماشین‌نوشته یک امضا دارد: واژه‌های قابل پیش‌بینی، ریتم یکنواخت جمله‌ها، یک dash که کارِ ویرگول را انجام می‌دهد، و شکلی از استدلال که عنوان خودش را دوباره بیان می‌کند. در اینجا هر سطح واقعاً چه شکلی دارد، با نمونه‌های مستند، نه صرفاً یک حس کلی.
یک پایان‌نامه یک‌باره به‌صورت ماشینی خوانده نمی‌شود. این امر بخش‌به‌بخش رخ می‌دهد، و در هر بار به دلیلی متفاوت، بنابراین اصلاح نیز متفاوت است: آنچه واقعاً در چکیده، مرور ادبیات، روش‌شناسی، نتایج و بحث تغییر می‌کند.
مطلب‌هایی که ترجمه‌ای به زبان شما ندارند، در وبلاگ انگلیسی هستند.