Pemeriksa Perplexity Percuma Ukur Kebolehramalan Tahap Perkataan

Sejauh mana model bahasa terkejut dengan setiap perkataan seterusnya dalam satu ayat. Model memberikan kebarangkalian kepada setiap calon perkataan sebelum ia meneruskan bacaan, dan perplexity merumuskan sejauh mana tekaan teratas biasanya jatuh daripada perkataan yang sebenarnya muncul. Frasa yang biasa membuatkan tekaan model kekal dekat, jadi ia mendapat skor yang rendah. Pilihan perkataan yang spesifik dan kurang biasa membuatkan model lebih terkejut, jadi skornya meningkat. Ini ialah ukuran pada peringkat perkataan, dua petikan boleh berkongsi struktur ayat yang sama dan masih mendapat skor yang berbeza apabila anda melihat perkataan yang mengisinya.

Tidak, dan halaman itu menyatakannya dengan jelas. Perplexity yang benar memerlukan menjalankan model bahasa sebenar pada teks anda dan menskor ramalan perkataan seterusnya, iaitu kerja yang halaman pelayar tidak boleh lakukan dengan tepat. Yang boleh diukur secara terus ialah bahan yang penulis benar-benar kawal, iaitu julat kosa kata. Itulah yang dilaporkan di sini, skor MATTR yang tahan panjang, nisbah type-token anda, dan perkataan yang draf anda ulang paling kerap, dan ia dilaporkan sebagai anggaran, bukan tuntutan.

Nisbah type-token membahagikan bilangan perkataan berbeza dalam satu petikan, types, dengan jumlah kiraan perkataan, tokens; perenggan seratus perkataan yang dibina daripada tujuh puluh perkataan berbeza mendapat skor 0.70. Nilai itu menurun secara automatik apabila satu petikan menjadi lebih panjang, kerana artikel, kata ganti nama dan penyambung perlu diulang tidak kira betapa pelbagai kosa kata yang lain. Ini menjadikan TTR biasa tidak sesuai untuk membandingkan satu perenggan dengan satu bab penuh, sebab itulah skor tajuk pada halaman ini ialah MATTR, bukan TTR mentah.

Tidak. Penyemak ini hanya melaporkan statistik kosa kata, iaitu skor MATTR, nisbah token jenis, dan senarai perkataan yang berulang. Ia tidak menilai kepengarangan. Wording yang berulang sering muncul dalam draf AI yang belum disunting, sebab itulah semakan ini berguna, tetapi ramai penulis manusia juga mengulang diri, dan kosa kata yang pelbagai boleh dicapai oleh model serta oleh manusia. Nombor-nombor ini menerangkan teks, dan tidak membawa dakwaan tentang siapa atau apa yang menghasilkannya.

Tidak. Skor itu ialah fungsi perkataan pada halaman, dikira dengan cara yang sama setiap kali, tidak kira berapa kali anda menjalankannya. Yang mengubah nombor itu ialah penyuntingan kosa kata itu sendiri, tukar kata kerja yang berulang kepada yang lebih spesifik dan skor berubah kerana teks berubah, dan atas sebab lain yang tiada.

Ubah ayat di sekitar sesuatu istilah, jangan istilah itu sendiri. Prosa akademik bergantung pada konsep yang ditakrifkan, mengekalkan satu nama yang tepat setiap kali ia muncul; menukarnya kepada sinonim pada sebutan keempat dibaca oleh penyemak sebagai ketidaktepatan, bukan gaya. Kepelbagaian yang produktif terletak pada kata kerja, penghubung dan huraian yang mengelilingi istilah tetap itu. Satu perenggan yang mengulang "hasil menunjukkan" sebanyak tiga kali mempunyai pembetulan yang nyata: hasil boleh mengesahkan, mengecilkan skop, menentang atau merumitkan, dan setiap kata kerja itu menyatakan sesuatu yang lebih tepat berbanding "menunjukkan" yang pernah dilakukan.