AI स्लॉप क्या है? परिभाषा और उदाहरण
AI स्लॉप की एक कार्यशील परिभाषा, वे तीन स्थितियाँ जो इस शब्द के लागू होने से पहले पूरी होनी चाहिए, यह शब्द कहाँ से आया, और वे चार लक्षण जो किसी अनुच्छेद को स्लॉप जैसा बनाते हैं, प्रत्येक को संपादक उसके साथ क्या करता है, इसके साथ दिखाया गया है.
तीन अनुच्छेद पढ़िए और उनमें कुछ भी गलत नहीं है। व्याकरण ठीक है। संक्रमण जुड़े हुए हैं। रजिस्टर उस मंच के अनुकूल है, और उनमें किया गया हर दावा बचाव योग्य है। एक चौथा अनुच्छेद पढ़िए और वास्तविक समस्या सामने आती है, जो यह है कि आपने अभी जो पढ़ा है, उसे आप किसी और को एक भी बात के रूप में दोहरा नहीं सकते।
AI slop उस अनुभव के लिए प्रचलित नाम है। एक वाक्य में AI slop क्या है, यह है, बहुत कम लागत पर निर्मित ऐसी सामग्री जो अपनी विधा की हर सतही आवश्यकता पूरी करती है, जबकि उसमें पाठक के उपयोग की लगभग कोई जानकारी नहीं होती। यह शब्द पहले छवियों और खोज स्पैम के वर्णन के रूप में प्रचलित हुआ। तब से यह गद्य में एक विशेष विफलता के लिए उपलब्ध सबसे सटीक शब्द बन गया है, और इसकी परिभाषा को ठीक से समझना आवश्यक है, क्योंकि जो शब्द केवल "ऐसी लेखन जिसे मैं पसंद नहीं करता" का अर्थ देता है, वह समयसीमा संभाल रहे संपादक के किसी काम का नहीं है।
AI Slop क्या है? एक कार्यपरक परिभाषा
तीन शर्तें एक साथ पूरी होनी चाहिए। पाठ प्रति शब्द बहुत कम लागत पर निर्मित हुआ था, चाहे किसी मॉडल द्वारा या ऑटोपायलट पर लिख रहे किसी व्यक्ति द्वारा। वह इतना प्रवाहपूर्ण है कि सरसरी पढ़ाई में बच निकलता है, इसलिए दोष वाक्य स्तर पर अदृश्य रहता है। और उसकी सूचना घनत्व उसकी लंबाई की तुलना में कम है, जिसका अर्थ है कि उसे पूरा पढ़ने वाला पाठक, शुरुआती अनुच्छेद के बाद रुक जाने वाले पाठक से अधिक कुछ नहीं रखता। इनमें से कोई एक शर्त हटा दीजिए और यह शब्द लागू होना बंद हो जाता है। व्याकरणहीन लेखन दूसरी शर्त में विफल होता है। घना, कठिन शोध-पत्र तीसरी शर्त में विफल होता है।
यही परिभाषा slop को उन दो चीजों से अलग करती है जिनसे इसे अक्सर भ्रमित किया जाता है। misinformation असत्य है, जबकि slop पूरी तरह सही हो सकता है और फिर भी slop रह सकता है, क्योंकि शुद्धता सूचना से भिन्न गुण है। spam आशय की दृष्टि से भ्रामक होता है, जबकि slop अक्सर पूर्ण ईमानदारी से किसी ऐसे व्यक्ति द्वारा लिखा जाता है जिसे लगता था कि मसौदा पूरा हो गया है। इसके नीचे मौजूद वाक्य-स्तरीय आदतें, वह शब्दावली और लय जो किसी अनुच्छेद को मशीन-रचित महसूस कराती हैं, TextPulse's breakdown of AI writing patterns में संकलित हैं। यह लेख इस बारे में है कि वे आदतें मिलकर क्या बनाती हैं।
यह शब्द कहाँ से आया
slop का अर्थ, निम्न-गुणवत्ता वाले मशीन-निर्मित आउटपुट के रूप में, 2022 में छवि जनरेटर व्यापक रूप से उपलब्ध होने के तुरंत बाद ऑनलाइन समुदायों में प्रकट हुआ, और इस शब्द पर Wikipedia के लेख में उस प्रारंभिक उपयोग का स्रोत किसी प्रकाशन के बजाय मंच और टिप्पणी थ्रेडों को बताया गया है। ब्रिटिश प्रोग्रामर Simon Willison ने मई 2024 में अपने ब्लॉग पर इस शब्द के पक्ष में सार्वजनिक रूप से तर्क दिया, और तब से कहा है कि यह उनके इसे आगे बढ़ाने से पहले ही प्रचलन में था। उस वर्ष की दूसरी तिमाही के दौरान, खोज परिणामों के शीर्ष पर मशीन-निर्मित सारांशों के आने के साथ, इसका उपयोग बढ़ता गया।
2025 के अंत तक यह शब्द मंचों से बहुत आगे निकल चुका था। Merriam-Webster ने slop को 2025 के लिए अपना वर्ष का शब्द नामित किया, और American Dialect Society ने भी यही शब्द चुना। इसके नीचे का रूपक वास्तविक विश्लेषणात्मक कार्य करता है, और संदिग्ध कुछ भी पढ़ते समय इसे ध्यान में रखना उचित है। slop सस्ता चारा है, जो बड़ी मात्रा में बनाया जाता है, पेट भरता है लेकिन पोषण नहीं देता। इसका हर भाग पाठ पर लागू होता है, प्रति इकाई लागत लगभग शून्य, आउटपुट प्रभावी रूप से असीमित, और एक ऐसा पाठक जो भरा हुआ महसूस करता है और जिसने कुछ नहीं सीखा।
वे चार लक्षण जो पाठ को slop के रूप में पढ़वाते हैं
सबसे पहले भराव आता है, क्योंकि एक बार देखने की आदत हो जाए तो यह सबसे आसानी से दिखता है। चौतीस शब्दों वाला एक वाक्य, एक प्रस्तावना को खोए बिना, नौ शब्दों में सिमट सकता है। उनमें से पच्चीस गए और वे कभी कुछ भी वहन नहीं कर रहे थे। इस काम के लिए पूरी-की-पूरी संरचनाएँ हैं, एक ऐसा वाक्यांश जो विषय का नाम लेने से पहले उसका संकेत देता है, एक उपवाक्य जो यह बताता है कि कई कारक काम कर रहे हैं, लेकिन यह नहीं बताता कि कौन से कारक। भराव वह लक्षण है जिसे वर्तनी-जांचक कभी नहीं पकड़ पाएगा, क्योंकि हर भरा हुआ वाक्य एक सही वाक्य होता है।
दूसरा है परतदार सावधानी-भाषा। शोध-लेखन अच्छे कारण से सावधानी-भाषा का प्रयोग करता है। एक सावधानीपूर्वक विधि-खंड योग्य दावों से भरा होता है, क्योंकि उसमें अनिश्चितता वास्तविक होती है। लेकिन slop वहाँ सावधानी-भाषा का प्रयोग करता है जहाँ कुछ भी अनिश्चित नहीं होता, और वह एक दावे पर एक से अधिक बार ऐसा करता है। एक निष्कर्ष पर तीन विशेषण पाठक के पास कोई निष्कर्ष नहीं छोड़ते, केवल उसका आकार छोड़ते हैं।
तीसरा वह सारांश है जो उसके ऊपर वाले अनुच्छेद को फिर से कहता है। यह आमतौर पर पीछे की ओर संकेत करके शुरू होता है, फिर पिछले अनुच्छेद की सामग्री को अलग संज्ञाओं के साथ प्रस्तुत करता है। इसमें कुछ भी असत्य नहीं होता और इसमें कुछ भी नया नहीं होता। एक हज़ार शब्दों से कम के लेख में कहीं भी ऐसा कोई पाठक नहीं होता जिसे चार सौ शब्दों के भीतर पुनरावलोकन की आवश्यकता हो, और यही बात इस लक्षण को इस बात का इतना विश्वसनीय संकेत बनाती है कि मसौदा किस तरह तैयार किया गया था।
चौथा वह समापन अनुच्छेद है जो कुछ भी नहीं जोड़ता। यह ऐसे भविष्य की ओर संकेत करता है जिसमें क्षेत्र आगे विकसित होता रहेगा, या यह काल बदलकर भूमिका को फिर से कह देता है। एक वास्तविक निष्कर्ष यह बताता है कि तर्क से क्या निष्कर्ष निकलता है, यह कहता है कि लेखक की राय किस बात से बदल सकती है, या पाठक को करने के लिए कुछ देता है। ऐसा समापन अनुच्छेद जो इनमें से कुछ भी नहीं करता, वह वह अंतिम स्थान है जहाँ स्लॉप छिपता है, क्योंकि पाठक प्रायः समापन को इतनी सावधानी से नहीं पढ़ते कि उसे नोटिस कर सकें।
अपने पेपर को मानवीय बनाइए
अपने AI-सहायता प्राप्त पाठ को रूपांतरित करें और उसे मानवीय ध्वनि दें, महत्वपूर्ण शब्दों या उद्धरणों को छेड़े बिना।
स्लॉप और उसका सुधार, साथ साथ
नीचे दी गई तालिका प्रत्येक लक्षण को लेती है, दिखाती है कि वह मसौदे में कैसे दिखता है, और बताती है कि संपादक उसके साथ क्या करता है। सुधारों में से कोई भी केवल समानार्थक शब्द बदलना नहीं है। प्रत्येक या तो उस प्रतिज्ञप्ति को स्पष्ट करता है जिसके चारों ओर वाक्य घूम रहा था, या फिर वाक्य को इसलिए हटा देता है क्योंकि उसमें ऐसी कोई प्रतिज्ञप्ति थी ही नहीं।
| लक्षण | मसौदे में यह कैसे पढ़ा जाता है | संपादक इसके साथ क्या करता है |
|---|---|---|
| Padding | एक व्यापक ढांचे का उपयोग करने के लिए, पहले उन कारकों की विस्तृत श्रेणी पर विचार करना आवश्यक है जो प्रभावी हो सकते हैं। | कारकों का नाम लें, बताएं कि ढांचा किन को कवर करता है, और भूमिका-बंध को हटा दें |
| Stacked hedging | परिणाम संभवतः किसी हद तक एक संभावित प्रभाव का सुझाव दे सकते हैं। | अधिकतम एक ही qualifier रखें, फिर उस संख्या को बताएं जिसके बारे में qualifier है |
| Vague authority | अध्ययन दिखाते हैं कि यह दृष्टिकोण व्यापक रूप से प्रभावी माना जाता है। | अध्ययनों, वर्ष और प्रभाव के आकार का नाम लें, या दावे को हटा दें |
| The restating summary | जैसा कि ऊपर बताया गया है, ये निष्कर्ष पहले चर्चा किए गए कारकों के महत्व को रेखांकित करते हैं। | वाक्य हटा दें। निष्कर्ष पहले ही एक बार बताए जा चुके हैं |
| The empty close | कुल मिलाकर, यह एक विकसित होता हुआ क्षेत्र बना हुआ है जो आगे भी विकसित होता रहेगा। | अनुच्छेद हटा दें और उस अंतिम निष्कर्ष पर समाप्त करें जिसने अपना स्थान अर्जित किया है |
| Borrowed register | यह लेख विषय को समझने के लिए विभिन्न दृष्टिकोणों का उपयोग करेगा। | बताएं कि लेख क्या तर्क देता है, ऐसी शब्दावली में जिसे लेखक ज़ोर से बोलते समय इस्तेमाल करेगा |
उनमें से दो सुधार शब्द-स्तर के हैं, और सॉफ़्टवेयर उन्हें किसी व्यक्ति की तुलना में अधिक तेज़ी से संभालता है। TextPulse का free AI word cleaner उन औपचारिक, कम-सूचना वाले शब्दों को चिह्नित करता है जो padded अनुच्छेदों के भीतर समूहित होते हैं, जिससे सतह साफ हो जाती है और नीचे के संरचनात्मक लक्षण दिखाई देने लगते हैं। अन्य चार के लिए ऐसे पाठक की आवश्यकता होती है जो जानता हो कि लेख किस तर्क को प्रस्तुत करने वाला था।
Fluff: अनुच्छेद-स्तरीय संस्करण
गला साफ करने वाला आरंभ
गला साफ़ करने वाला आरंभ किसी खंड का पहला अनुच्छेद होता है, और उसकी पूरी सामग्री यह होती है कि विषय मौजूद है, लोगों ने उसका अध्ययन किया है, और वह महत्वपूर्ण है। यह अक्सर ऐसे समय-संदर्भ से शुरू होता है जो किसी तिथि का नाम नहीं लेता। यह अपने अंतिम उपवाक्य में वास्तविक विषय तक पहुँचता है, यदि वह वहाँ तक पहुँचता भी है। जो पाठक इस अनुच्छेद को छोड़ दे, वह दूसरे अनुच्छेद तक पहुँचते समय वह सब अपने पास रखे होगा जिसकी उसे आवश्यकता थी।
यह संपादन में इसलिए बचा रहता है क्योंकि यह संदर्भ जैसा लगता है, और संदर्भ एक वास्तविक चीज़ है जिसकी पाठक को कभी-कभी आवश्यकता होती है। इन दोनों के बीच का अंतर परीक्षण योग्य है। वास्तविक संदर्भ प्रश्न को सीमित करता है या पाठक को ऐसी बात बताता है जो वह पहले से नहीं जानता था। गला साफ़ करने वाला आरंभ खंड के विषय की घोषणा करता है, जो शीर्षक पहले ही कर चुका था और बेहतर ढंग से कर चुका था। इसे हटाने के लिए, अनुच्छेद को मिटाइए और अगले अनुच्छेद से पढ़ना शुरू कीजिए। यदि किसी पद को वास्तव में परिभाषित करने की आवश्यकता थी, तो उसे उस उपवाक्य में परिभाषित कीजिए जहाँ वह पद पहली बार आता है, और तब भी अनुच्छेद हट जाता है।
पुनर्कथन, और संपादक इसे क्यों चूक जाते हैं
पुनर्कथन वाला अनुच्छेद अपने ऊपर वाले अनुच्छेद को अलग संज्ञाओं के साथ दूसरी बार कहता है। कभी-कभी यह खंड के मध्य का सारांश बनकर आता है, और चार सौ शब्दों को ऐसे पाठक के लिए संक्षेपित करता है जिसने उन्हें नब्बे सेकंड पहले पढ़ा था। कभी-कभी यह अधिक सूक्ष्म होता है, वही दावा अमूर्त से ठोस में, या फिर उल्टी दिशा में, बिना किसी नए प्रतिपादन के स्थानांतरित कर दिया जाता है।
संपादक इसे इसलिए चूक जाते हैं क्योंकि उसमें हर वाक्य ठीक होता है। सुधारने के लिए कोई व्याकरण नहीं, पूछने के लिए कोई अस्पष्टता नहीं, और ऐसा कुछ नहीं जिसे प्रूफ़रीडिंग चरण पकड़ने के लिए बनाया गया था। जो जाँच काम करती है वह यांत्रिक है। दोनों अनुच्छेदों को साथ-साथ रखिए और प्रत्येक में हर प्रतिपादन को चिह्नित कीजिए, अर्थात हर ऐसा कथन जो सत्य या असत्य हो सकता है। यदि दूसरे अनुच्छेद में ऐसा कोई प्रतिपादन नहीं है जो पहले में नहीं था, तो उसे हटा दीजिए और वही उपवाक्य रखिए जिसमें सचमुच कुछ नया था।
ऐसा ढाँचा जो कभी हटाया ही नहीं गया
स्कैफोल्ड वाक्य यह घोषित करते हैं कि लेखक क्या करने वाला है, बजाय इसके कि वह उसे करे। वे एक फ्रेम के साथ शुरू होते हैं, फ्रेम को प्रस्तुत करते हैं, और दावे तक किसी अधीनस्थ उपवाक्य में या उसके बाद वाले वाक्य में पहुँचते हैं। सामान्य फ्रेमों में "It should be noted that", "This section will discuss" और "In terms of" शामिल हैं, जिनमें से प्रत्येक दावे को पाठक से एक व्याकरणिक कदम और दूर धकेल देता है। ऐसे वाक्यों का एक पूरा अनुच्छेद उस अनुच्छेद का वर्णन करता है जो कभी लिखा ही नहीं गया था।
फ्रेम को हटाना केवल सुधार का आधा हिस्सा है, क्योंकि वाक्य का निर्माण दावे के बजाय घोषणा के इर्द गिर्द किया गया था। दावे को आगे ले आइए, फिर जाँचिए कि क्या वाक्य को अभी भी अपने शेष भाग की आवश्यकता है। शब्द स्तर पर की गई जाँच फ्रेमों को जल्दी खोज लेती है, और TextPulse का free AI word cleaner उन औपचारिक संयोजक शब्दावली चिह्नित करता है जिनसे वे बने होते हैं, जिससे समस्या का संरचनात्मक रूप नीचे दिखाई देने लगता है।
वह अनुच्छेद जो शब्द संख्या तक पहुँचने के लिए लिखा गया था
यह इस बात से पहचाना जाता है कि यह क्या प्रस्तुत करता है और फिर कभी उस पर लौटता नहीं। एक नया संज्ञा पदबंध प्रकट होता है, उसे एक वाक्य का सम्मानपूर्ण ध्यान मिलता है, और फिर उसका फिर कभी उल्लेख नहीं होता। अनुच्छेद एक बात कहने के बजाय विचारों की सूची देता है। वह पूरे समय सावधानीपूर्ण भाषा का सहारा लेता है, क्योंकि जो दावा कभी किया ही नहीं गया, उसका बचाव नहीं किया जा सकता, और यह सावधानीपूर्ण भाषा बचाव के स्थान पर खड़ी होती है।
यहाँ परीक्षण खंडनीयता है, जिसे एक बार में एक वाक्य पर लागू किया जाता है। पूछिए कि अनुच्छेद का कौन सा वाक्य गलत हो सकता है। यदि उनमें से कोई भी गलत नहीं हो सकता, तो उसमें कुछ भी दावा नहीं किया गया था और उसने केवल लंबाई का योगदान दिया। यह वही प्रकार की फालतू बात है जो किसी भी लक्ष्य के लिए लिखे गए पाठ में सबसे अधिक दिखाई देती है, चाहे उसे किसी ने भी लिखा हो, और यही कारण है कि पहले मसौदे में शब्द संख्या और गुणवत्ता इतनी विश्वसनीय रूप से एक दूसरे के विरुद्ध खड़ी होती हैं।
तर्क को काटे बिना फालतू बात को कैसे हटाएँ?
ऊपर से नीचे की ओर काम करें। पहले deletion test का उपयोग करके पूरे अनुच्छेद हटाएँ, फिर निरंतरता के लिए पुनः पढ़ें और उन जोड़-स्थलों को ठीक करें जहाँ अब दो बचे हुए अनुच्छेद साथ-साथ आ गए हैं। उसके बाद ही वाक्य दर वाक्य जाएँ। इसे उलटे क्रम में करने से वाक्य-स्तरीय काम उन अनुच्छेदों पर खर्च हो जाता है जिन्हें वैसे भी काटा जाने वाला था, और यही सबसे सामान्य तरीका है जिससे fluff pass में तीन घंटे लगते हैं और वही लंबाई वाला मसौदा लौटता है जिसके साथ वह शुरू हुआ था। वाक्य-स्तरीय काम फिर भी बाद में करना होगा, और TextPulse's AI humanizer उस स्तर को संभालता है, तथा किसी detector के निर्णय के बजाय पाठ से गणना किया गया एक अनुमानित Human Score रिपोर्ट करता है।
| फ्लफ का प्रकार | यह कैसे प्रकट होता है | परीक्षण | क्या करना है |
|---|---|---|---|
| भूमिका-भरने वाला प्रारंभ | एक पहला अनुच्छेद जो यह स्थापित करता है कि विषय मौजूद है और उसका अध्ययन हुआ है | इसे हटाएँ और अगले अनुच्छेद से पढ़ें | इसे हटाएँ, और किसी आवश्यक पद को वहीं पर परिभाषित करें जहाँ वह पद पहली बार आता है |
| पुनरुक्ति | एक ऐसा अनुच्छेद जो ऊपर वाले अनुच्छेद को अलग संज्ञाओं के साथ दोहराता है | दोनों में हर proposition को चिह्नित करें, फिर तुलना करें | दूसरे को हटाएँ, और केवल उस उपवाक्य को रखें जिसमें कोई नया proposition था |
| ढाँचा-वाक्य | एक ऐसा ढाँचा जो claim के आने से पहले claim की घोषणा करता है | ढाँचा हटाएँ और देखें कि क्या कोई claim बचा रहता है | claim को आगे ले आएँ और ढाँचा काट दें |
| शब्द-गणना अनुच्छेद | विचारों की सूची, कोई कथन नहीं, पूरे समय सावधानीपूर्ण भाषा | पूछें कि उसमें कौन-सा वाक्य गलत हो सकता है | इसे हटा दें, या वही एक claim लिखें जिससे यह बच रहा था |
| स्थगित व्याख्या | पाठ के बाद के हिस्से में किसी बात को समझाने का वादा | उस स्थान को खोजें जहाँ वह वादा पूरा किया गया है | व्याख्या को उस पद की पहली उपस्थिति पर ले जाएँ और वादा काट दें |
सही ढंग से काटने पर एक अंश अपने लक्ष्य से कम रह जाता है, और यही वह क्षण है जब अधिकांश लेखक फालतू भराव वापस जोड़ देते हैं। जो शब्द वापस मिले हैं, उन्हें उस दावे पर खर्च करें जिसके स्थान पर वह भराव खड़ा था, यानी संख्या, प्रतिदृष्टांत, वह अध्ययन जो पहले उद्धृत अध्ययन से असहमत है। TextPulse की थीसिस में शब्द संख्या कम करने की मार्गदर्शिका इसी विनिमय को अध्याय स्तर पर समझाती है, जहाँ हटाई गई सामग्री को पुनर्स्थापित करने का दबाव सबसे अधिक होता है।
इसे किसी और के पृष्ठ पर लागू करना एक कौशल है, और इसे अपने स्वयं के पृष्ठ पर लागू करना दूसरा। यह तय करना कि कुछ AI द्वारा लिखा गया था या नहीं अपने अलग पृष्ठ पर प्रस्तुत है, और अधिक असुविधाजनक प्रश्न, क्या आपका अपना लेखन ऐसा लगता है, वह भी अलग से दिया गया है।
अपने द्वारा तैयार किए गए अंतिम खंड को लें और उसका आरंभिक अनुच्छेद बिना उसे फिर से पढ़े हटा दें। यदि अगले अनुच्छेद के अंत तक आप यह नहीं कह सकते कि क्या गायब हुआ, तो वह आरंभिक अनुच्छेद फालतू था, और संभवतः फ़ाइल के हर अन्य खंड का आरंभिक अनुच्छेद भी वही है।
क्या Slop खराब लेखन के समान है?
नहीं। खराब लेखन सतही स्तर पर विफल होता है, अस्पष्ट, व्याकरणहीन, या इतनी खराब तरह से संगठित कि पाठक सूत्र खो दे। Slop सतह पर सफल दिखता है और भीतर से विफल होता है। व्यावहारिक परिणाम परिभाषा से अधिक महत्वपूर्ण है। वाक्य दर वाक्य काम करने वाला प्रूफ़रीडर slop मसौदे को लगभग अपरिवर्तित लौटा देगा, क्योंकि वाक्य स्तर पर सुधारने के लिए कुछ नहीं होता, और यही कारण है कि slop उन संपादन चरणों से बच निकलता है जो वास्तव में खराब गद्य को चीर डालते। इसके बजाय संरचनात्मक संपादन इसे पकड़ता है, और TextPulse की निबंध संपादित करने की मार्गदर्शिका उसी स्तर पर काम करती है।
Slop, सामान्य रूप से AI-assisted writing से भी अलग है। एक शोधकर्ता जो किसी model के साथ draft तैयार करता है, फिर model द्वारा भरे गए हिस्सों को काट देता है, हर citation की जाँच करता है, और ऐसी स्थिति का तर्क प्रस्तुत करता है जिसे model कभी नहीं अपनाता, अंततः ऐसी चीज़ के साथ समाप्त होता है जिसमें भीतर एक argument होता है। Slop वह है जो तब सामने आता है जब उस प्रक्रिया का दूसरा आधा कभी होता ही नहीं। जिस writer के अपने काम को इसके साथ भ्रमित किया गया है, उसके लिए TextPulse's AI humanizer text से ही computed एक estimated Human Score report करता है, किसी detector के verdict से नहीं।
उसी समस्या के लिए अधिक संकीर्ण term fluff है, जिसे एक अलग page पर परिभाषित किया गया है। यदि आप label के बजाय एक working method चाहते हैं, तो telling whether something was written by AI एक तरीका बताता है।
किसी भी paragraph को अपने हाथ से ढकें और ज़ोर से कहें कि उसने argument में क्या जोड़ा। यदि कुछ भी न आए, तो वह paragraph slop था, चाहे उसे किसी ने भी या किसी भी चीज़ ने बनाया हो। यह test 10 seconds लेता है, इसकी कोई cost नहीं है, और इसने कभी भी यह परवाह नहीं की कि कौन सा model involved था।
अक्सर पूछे जाने वाले प्रश्न
AI स्लॉप क्या है, सीधे शब्दों में: ऐसा लेखन जो सही पढ़ा जाता है और लगभग कुछ नहीं कहता। यह उस प्रारूप, उस रजिस्टर और उस लंबाई को पूरा करता है जिसकी उसकी विधा अपेक्षा करती है, फिर पाठक के हाथ में कोई नई सूचना नहीं छोड़ता। यह शब्द चित्रों और वीडियो पर भी लागू होता है, हालांकि गद्य में यह विफलता सामान्यतः भराव, परतदार हिचकिचाहट और एक दूसरे को दोहराने वाले अनुच्छेदों के रूप में दिखाई देती है.
PhD in natural language processing, with years spent building NLP applications end to end. Moe works on text analysis: lexical and syntactic structure, and what separates machine-generated prose from human prose statistically. He has been experimenting with computational linguistics since the early days of NLTK, spaCy and WordNet, and still writes most of his tooling in Python.
