Szakmai cikkek arról, hogyan tegyen emberibbé AI-szöveget, elérhető alacsony AI észlelés, pontos hivatkozások, jobb tudományos dolgozatok.
Egy 2023-as Stanford-tanulmány megállapította, hogy az AI detektorok a folyékony nem anyanyelvi angol írást jóval nagyobb arányban olvassák gép által generáltnak, mint az anyanyelvi írást. Itt bemutatjuk ennek az eltérésnek a mechanizmusát, és azt, mi történt, amikor ugyanazokat az esszéket gazdagabb szókészlettel írták át.
A változatosság azt méri, hogy mennyire ingadoznak a mondathosszak egy szövegrészben, nem azt, hogy átlagosan milyen hosszú egy mondat. Ez a bejegyzés bemutatja, honnan származik a kifejezés, hogyan számítják ki valójában a szóródást, és miért hajlamos a nyelvi modell kimenete a hosszok szűk tartományába rendeződni.
A perplexity az a szám, amelyet egy nyelvi modell állít elő annak leírására, mennyire lepődött meg a szóválasztásai miatt. Ez a bejegyzés az 1977-es eredetéig követi a mérőszámot, végigvezeti a képleten, és elmagyarázza, miért kaphat ugyanaz a szövegrészlet eltérő pontszámot attól függően, melyik modell olvassa.
A szolgáltatók 1 százalék alatti hamis pozitív arányokat tesznek közzé. Független kutatók ugyanazokat a detektorokat nem anyanyelvi angol szövegeken tesztelve 60 százalék feletti arányokat találtak. Íme, mit mutatnak a bizonyítékok.
Az AI detektorok nem úgy ismerik fel a gépi írást, ahogyan egy olvasó tenné. Azt mérik, mennyire kiszámítható a szöveg, majd ezt pontszámmá alakítják. Ha ezt megértjük, a technológia és a hibái is érthetőbbé válnak.
Az Ön nyelvén nem elérhető bejegyzések az angol blogon találhatók.