Экспертные статьи о том, как сделать текст с ИИ более естественным, получить низкий балл в AI-детекторах, сохранять ссылки и писать лучше.
Исследование Stanford 2023 года показало, что AI-детекторы гораздо чаще ошибочно принимают беглое письмо на английском языке неносителей за сгенерированное машиной, чем письмо носителей. Ниже объясняется механизм этого разрыва и то, что произошло, когда те же эссе были переписаны с более богатой лексикой.
Burstiness измеряет, насколько сильно длина предложений колеблется в тексте, а не то, насколько длинным в среднем является предложение. В этой статье объясняется, откуда происходит этот термин, как именно вычисляется разброс и почему вывод language model обычно сводится к узкому диапазону длин.
Перплексия, это число, которое языковая модель выдает, чтобы описать, насколько она была удивлена вашим выбором слов. В этой статье прослеживается происхождение метрики до 1977 года, разбирается формула и объясняется, почему один и тот же фрагмент может получать разные оценки в зависимости от того, какая модель его читает.
Поставщики публикуют показатели ложных срабатываний ниже 1 процента. Независимые исследователи, тестировавшие те же детекторы на текстах на английском языке, написанных носителями других языков, обнаружили показатели выше 60 процентов. Вот что показывают данные.
AI detectors не распознают машинный текст так, как это делает читатель. Они измеряют, насколько предсказуем ваш текст, а затем превращают это в оценку. Когда это становится понятным, и технология, и её сбои начинают выглядеть более осмысленно.
Публикации без перевода на вашем языке доступны в английском блоге.