本研究通过定性分析，使用 Hayes 的认知过程模型研究了作者与 next-phrase suggestion 系统交互时的认知过程，得到了 “writer-suggestion interaction” 理论模型，为使用 GPT-2 和因果语言模型进行电影评论写作任务提供了方向。

Aug, 2022

本研究探讨了在人工智能介入的通信中，句子级与信息级建议之间的权衡，并发现接收到信息级建议的参与者反应更快、更为满意。此发现对通信辅助系统的设计具有启示意义。

Feb, 2023

本论文表明，短语注入和语料库过滤的组合提高了神经机器翻译 (NMT) 系统的性能。我们从伪平行语料库中提取并增广平行短语和句子，以此训练 NMT 模型。在 Hindi-Marathi、English-Marathi 和 English-Pashto 这 3 种低资源语言对和 6 种翻译方向上，我们观察到了 NMT 系统的改进，并在 FLORES 测试数据上提高了 2.7 BLEU 分，这些 BLEU 分数改进是基于使用整个伪平行语料库和平行语料库增广的模型。

Jan, 2023

该研究发现，在使用神经网络代理进行迭代语言学习的近期模拟中，并不存在诸如词序或屈折等表达句法结构的不同策略间的权衡。然而，这一研究发现在考虑到偏向于高效传达、不系统的输入语言和学习瓶颈等三个因素后得到了重新评估，并发现神经网络代理主要努力保持学习期间观察到的话语类型分布，而不是发展更高效或系统化的语言。

Apr, 2021

本文介绍了一种中间训练策略，利用新的自监督培训目标 Next Phrase Prediction（NPP），以提高预训练语言模型在文本自动完成任务中的表现，并快速适应特定领域。初步实验结果显示，我们的方法能够在电子邮件和学术写作领域的自动补全中胜过基线。

Sep, 2021

本研究通过对 15 个英语水平各异的非母语英语人士的访谈研究，发现他们在使用 AI 写作助手进行改写时往往无法正确评估其生成的文本，主要由于缺乏解释。为此，我们提出了四种用户界面设计，旨在通过提供解释来支持非母语英语人士更好地理解和评估 AI 生成的改写建议。

Apr, 2023

本文探讨了人工智能在移动设备上写作的两种用户界面设计，通过一个被监督的在线研究得出，无论是使用连续生成文本的方式还是建议写作的方式人工智能在撰写过程中都会影响文本创作，但两种设计存在差异，需要在用户体验和用户输出方面做出不同的选择。

Aug, 2022

该研究研究了如何在只有大型单语语料库的情况下学习翻译。提出了两种模型，一种是神经模型，一种是基于短语的模型。这些模型通过参数的精心初始化、语言模型的去噪效应和反向迭代自动生成的并行数据来提高翻译性能。在 WMT'14 英语 - 法语和 WMT'16 德语 - 英语 基准测试上，这些模型分别获得 28.1 和 25.2 BLEU 分数，比现有方法的 BLEU 分数高出 11 个分数。方法在英语 - 乌尔都语和英语 - 罗马尼亚语等低资源语言中也取得了良好的结果。

Apr, 2018

本研究论文提出了一个基于大规模语言模型、传统马尔可夫模型和字符级模型的端到端系统，以在严格的延迟限制下为 Intuit 金融专家提供个性化的句子 / 单词自动完成建议，旨在在一天内高效准确地书写复杂金融概念。该系统不仅高效和个性化，而且稳健，可以在几乎实时提供相关的自动完成功能，有效节省专家记录时间并提升与团队和客户的交流。同时，并进行了比较研究，此功能可在短时间内与任何具有书写功能的产品集成。

Aug, 2023

本文提出了一种计算效率高的机器学习方法来进行自然语言响应建议，使用 n-gram 嵌入特征的前馈神经网络将消息编码为向量进行优化，在大规模商业电子邮件应用程序中得出了响应建议。与序列到序列方法相比，新的系统以较小的计算要求和延迟时间实现了相同的质量。

May, 2017