Articole despre cum să faci textul AI mai uman, să obții scoruri joase la detectoare, să păstrezi citările și să scrii lucrări academice mai bune.
Un studiu Stanford din 2023 a constatat că detectoarele AI interpretează greșit scrierea fluentă în engleză a vorbitorilor non-nativi ca fiind generată de mașină, la o rată mult mai mare decât scrierea nativă. Iată mecanismul din spatele acestui decalaj și ce s-a întâmplat când aceleași eseuri au fost rescrise cu un vocabular mai bogat.
Burstiness măsoară cât de mult variază lungimile propozițiilor într-un pasaj, nu cât de lungă este propoziția medie. Această postare explică de unde provine termenul, cum se calculează de fapt dispersia și de ce ieșirea unui model de limbaj tinde să se stabilizeze într-o bandă îngustă de lungimi.
Perplexity este numărul pe care un model de limbaj îl produce pentru a descrie cât de surprins a fost de alegerile dvs. de cuvinte. Acest articol urmărește metrica până la originea ei din 1977, parcurge formula și explică de ce același pasaj poate obține scoruri diferite în funcție de modelul care îl citește.
Furnizorii publică rate de false positive sub 1%. Cercetătorii independenți care au testat aceleași detectoare pe scrierea în engleză a vorbitorilor non-nativi au găsit rate de peste 60%. Iată ce arată dovezile.
Detectoarele AI nu recunosc scrierea generată de mașini așa cum o face un cititor. Ele măsoară cât de previzibil este textul tău, apoi transformă acest lucru într-un scor. Odată ce acest lucru devine clar, atât tehnologia, cât și eșecurile ei au mai mult sens.
Articolele fără traducere în limba ta sunt pe blogul în engleză.