AI टेक्स्ट को humanize करने के तरीके पर विशेषज्ञ लेख, AI detectors पर स्कोर कम करें, citations सुरक्षित रखें, और बेहतर शैक्षणिक पेपर लिखें।
2023 के Stanford अध्ययन में पाया गया कि प्रवाहपूर्ण गैर-देशी अंग्रेज़ी लेखन को AI डिटेक्टर मशीन-जनित के रूप में native लेखन की तुलना में कहीं अधिक दर से गलत पढ़ते हैं। यहाँ उस अंतर के पीछे की प्रक्रिया है, और जब उन्हीं निबंधों को अधिक समृद्ध शब्दावली के साथ पुनर्लिखा गया, तब क्या हुआ।
बर्स्टिनेस यह मापता है कि किसी अनुच्छेद में वाक्य-लंबाइयाँ कितनी व्यापक रूप से बदलती हैं, न कि औसत वाक्य कितना लंबा चलता है। यह पोस्ट बताती है कि यह शब्द कहाँ से आया, प्रसार वास्तव में कैसे गणना किया जाता है, और क्यों किसी भाषा मॉडल का आउटपुट वाक्य-लंबाइयों की एक संकीर्ण सीमा में स्थिर हो जाता है।
Perplexity वह संख्या है जो एक भाषा मॉडल आपके शब्द-चयन से कितना आश्चर्यचकित हुआ, इसे बताने के लिए उत्पन्न करता है। यह लेख इस माप को उसके 1977 के उद्गम तक ले जाता है, सूत्र को समझाता है, और बताता है कि एक ही अनुच्छेद अलग-अलग मॉडल के पढ़ने पर अलग स्कोर क्यों दे सकता है।
विक्रेता 1 percent से कम गलत सकारात्मक दरें प्रकाशित करते हैं. समान detectors का गैर-देशी English लेखन पर परीक्षण करने वाले स्वतंत्र शोधकर्ताओं ने 60 percent से अधिक दरें पाईं. यहाँ साक्ष्य क्या दिखाता है.
AI डिटेक्टर मशीन-लेखन को उस तरह नहीं पहचानते जैसे कोई पाठक करता है। वे यह मापते हैं कि आपका पाठ कितना पूर्वानुमेय है, फिर उसे एक अंक में बदल देते हैं। यह समझ आते ही, तकनीक और उसकी विफलताएँ, दोनों अधिक अर्थपूर्ण लगती हैं।
आपकी भाषा में अनुवाद के बिना पोस्ट अंग्रेज़ी ब्लॉग पर हैं।