Ingyenes Perplexity-ellenőrző A szó szintű kiszámíthatóság mérése

Mennyire meglepő egy nyelvi modell számára az adott mondatban minden következő szó. A modell minden jelölt szóhoz valószínűséget rendel, mielőtt továbbolvasna, és a perplexity összefoglalja, hogy a legjobb tippje általában mennyire esik távol attól a szótól, amely ténylegesen megjelenik. A megszokott megfogalmazás közel tartja a modell tippjeit, ezért alacsony pontszámot kap. A konkrét, kevésbé gyakori szóválasztások meglepőbbé teszik a modellt, ezért a pontszám emelkedik. Ez szószintű mérés, két szövegrész ugyanazt a mondatszerkezetet oszthatja, mégis eltérő pontszámot kaphat, amikor megnézi, hogy mely szavak töltik ki azt.

Nem, és az oldal ezt szó szerint kimondja. A valódi perplexityhez egy tényleges nyelvi modellt kell futtatni a szövegén, és a következő szóra vonatkozó előrejelzéseit pontozni, ami olyan munka, amit egy böngészőoldal nem tud pontosan elvégezni. Amit közvetlenül lehet mérni, az az összetevő, amit egy szerző ténylegesen irányít: a szókészlet terjedelme. Ezt jelenti itt egy, hosszúságra robusztus MATTR pontszám, a type-token aránya, valamint azok a szavak, amelyeket a tervezete a legtöbbször ismétel, és ezt becslésként jelenti, nem állításként.

A type-token arány egy szövegrészben az egyedi szavak számát, a type-okat, elosztja a teljes szószámmal, a tokenekkel; egy száz szóból álló bekezdés, amely hetven különböző szóból épül fel, 0.70 pontszámot kap. A szám automatikusan csökken, ahogy a szövegrész hosszabb lesz, mert a cikkek, névmások és kapcsolók akkor is ismétlődnek, ha a többi szókészlet változatos. Ezért a sima TTR nem alkalmas egy bekezdés összehasonlítására egy teljes fejezettel, ezért ezen az oldalon a fő pontszám MATTR, nem pedig nyers TTR.

Nem. Az ellenőrző csak szókincsstatisztikákat közöl, egy MATTR pontszámot, egy type-token arányt és egy ismétlődő szavakból álló listát. Nem ítéli meg a szerzőséget. Az ismétlődő megfogalmazás gyakran megjelenik szerkesztetlen AI vázlatokban, ezért hasznos az ellenőrzés, de sok emberi szerző is ismétli önmagát, és a változatos szókincs egy modell számára éppúgy elérhető, mint egy ember számára. A számok a szöveget írják le, és semmilyen állítást nem hordoznak arról, hogy ki vagy mi hozta létre azt.

Nem. A pontszám a lapon szereplő szavak függvénye, és ugyanúgy számolódik minden alkalommal, függetlenül attól, hányszor futtatja. A számot az a változtatás mozgatja, amely magát a szókészletet szerkeszti: egy ismétlődő igét cseréljen egy pontosabbra, és a pontszám elmozdul, mert a szöveg elmozdult, és semmi másért.

Egy kifejezés körül változtasd a mondatot, soha magát a kifejezést. A tudományos próza egy meghatározott fogalomra épül, amelynek minden előfordulásakor ugyanaz a pontos név szerepel; ha a negyedik említésnél szinonimára cseréled, a lektor számára pontatlanságnak tűnik, nem stílusnak. A produktív változatosság az adott rögzített kifejezések körüli igékben, kapcsolókban és leírásokban van. Az a bekezdés, amely háromszor ismétli, hogy "az eredmények azt mutatják", valódi megoldást igényel: az eredmények megerősíthetnek, szűkíthetnek, ellentmondhatnak vagy bonyolíthatnak, és mindegyik ige pontosabb valamit mond, mint a "mutat" valaha is tudott.