مقالات تخصصی درباره نحوه انسانیسازی متن مبتنی بر AI، کسب امتیاز پایین در تشخیص AI، حفظ استنادات و نوشتن بهتر مقالههای علمی.
یک مطالعه 2023 در Stanford نشان داد که آشکارسازهای AI، نوشتار روانِ انگلیسیِ غیربومی را با نرخی بسیار بالاتر از نوشتار بومی، بهاشتباه تولیدشده توسط ماشین میخوانند. در اینجا سازوکار پشت این شکاف و آنچه رخ داد وقتی همان مقالهها با واژگانی غنیتر بازنویسی شدند، آمده است.
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.
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.
آشکارسازهای AI نوشتار ماشینی را به شیوهای که یک خواننده تشخیص میدهد، بازنمیشناسند. آنها میزان پیشبینیپذیری متن شما را میسنجند، سپس آن را به یک امتیاز تبدیل میکنند. وقتی این نکته روشن شود، هم فناوری و هم ناکامیهای آن معنادارتر میشوند.
مطلبهایی که ترجمهای به زبان شما ندارند، در وبلاگ انگلیسی هستند.