29 / 30
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.
فروشندگان نرخ مثبت کاذب زیر 1 درصد منتشر میکنند. پژوهشگران مستقل که همان آشکارسازها را بر نوشتار انگلیسیِ غیربومی آزمودند، نرخهایی بالاتر از 60 درصد یافتند. اینجا آنچه شواهد نشان میدهد آمده است.
یک مرور عملی از اینکه چگونه متن AI را بهصورت دستی انسانی کنیم، همراه با ویرایشهای واقعی قبل و بعد، نگاهی صادقانه به اینکه ویرایش دستی چه چیزهایی را نمیتواند اصلاح کند، و اینکه یک ابزار humanizer AI در کجا ارزش زمانی را که صرفهجویی میکند دارد.
مطلبهایی که ترجمهای به زبان شما ندارند، در وبلاگ انگلیسی هستند.