本文提出了句子级修订任务（SentRev）作为新的写作辅助任务，旨在帮助作者在早期修订阶段产生流利，完整的句子。为了开发和评估SentRev模型，我们建立了一个新的自由可用的众包评估数据集，同时还建立了该模型的基准性能。

Oct, 2019

本研究通过Coh-Metrix比较了ChatGPT和CIE学生在叙事主题上的写作表现，结果表明，在初始版本中，ChatGPT在叙述性、词汇具体性和指代连贯性方面优于人类作家，但在句法简单性和深度连贯性方面劣于人类作家。经过多次修订后，ChatGPT在句法简单性方面得到了改善，但在深度连贯性方面仍远不如CIE学生的写作。另外，讨论组成分的相关性分析表明，ChatGPT和人类作家的叙事性与指代连贯性呈正相关，但各组内的相关性不同。

Mar, 2023

本研究基于指令调整的LLMs语言模型，开发了一种名为CoEdIT的文本编辑模型，提供高质量和高效率的写作辅助。经过定量和量化分析，我们证明作家们更喜欢CoEdIT建议的编辑方式，相对于其他最先进的文本编辑模型。

May, 2023

本篇研究介绍了“Smart Word Suggestions”（SWS）任务和基准，该任务强调端到端评估，旨在提高写作辅助的效果。SWS需要识别需要改进的单词或短语，并提供替换建议，实验结果表明SWS是一项富有挑战性的任务，为未来的研究提供了方向。

May, 2023

提供了一种名为BiSync的双语写作助手，可以自由地在两种语言中撰写文本，并保持两种语言文本的同步。此外，还包括显示替代翻译和释义等附加功能，旨在促进文本创作。

Jun, 2023

探索重写文本的替代思想是写作过程中的重要组成部分。最先进的大型语言模型（LLMs）可以简化写作变体生成。为了解决当前界面在同时考虑多个变体时所面临的挑战，我们提出了一个名为ABScribe的界面，它支持人工智能与人类合作写作任务中，对写作变体进行快速而又视觉结构化的探索。ABScribe让用户可以使用LLM提示迅速生成多个变体，这些变体会自动转化为可重复使用的按钮。变体以相邻的方式储存在文本段落中，可以通过上下文工具栏上的鼠标悬停交互快速进行比较。我们的12位作家的用户研究表明，与流行的基准工作流程相比，ABScribe显著减少了任务工作量（d = 1.20, p < 0.001），增强了用户对修订过程的感知（d = 2.41, p < 0.001），并揭示了作家如何使用LLMs探索变体的见解。

Sep, 2023

ChatGPT对于学术写作过程的帮助以及如何保持学生独立的作者声音进行了探讨，并且强调了AI工具（如ChatGPT）对于语言学习者的学术写作的潜力。

Oct, 2023

我们介绍了mEdIT，这是对写作辅助的最新文本编辑模型CoEdIT进行的多语言扩展。通过指导调整，我们使用多语言大型预训练语言模型（LLMs）进行微调训练mEdIT模型，它被设计成根据用户的自然语言指令来指定所需文本的属性，如德语的Grammatik korrigieren或西班牙语的Parafrasee la oración。通过对多个公开可用的人工标注文本编辑数据集进行数据整理，我们构建了mEdIT，并详细介绍了其设计与训练，并展示了其在其他多语言LLM的许多多语言文本编辑基准测试中的强大表现。我们还发现，mEdIT在基于多语言的基线上能够有效地进行新语言的泛化。我们在此URL公开发布了我们的数据、代码和训练模型。

Feb, 2024

提出了一个整合的系统，通过纠正性反馈来弥合第二语言学习者自动写作评估和语法错误纠正结果之间的差距。

Feb, 2024

通过利用最新的大型语言模型和词嵌入技术，我们提出了WordDecipher，这是一个可解释的AI辅助写作工具，可以增强非母语英语使用者在数字工作空间中的沟通。WordDecipher不仅可以识别用户写作中的社交意图，还可以生成与用户意图相一致的重写建议，并从用户的母语写作中推断。然后，WordDecipher提供了细微差别的概述，以帮助非母语使用者进行选择。通过使用场景，我们展示了WordDecipher如何显著增强非母语使用者在工作空间中沟通的能力，展示了其改变非母语使用者工作空间沟通的潜力。

Apr, 2024