研究了自然语言生成技术在人工智能辅助写作工具中的应用。通过信息检索的角度从 “拔式” 和 “推式” 两个范式进行比较用户研究，以了解 AI 辅助写作的用户需求、对写作质量、所有权、写作过程的效率和愉悦度的影响，以及 AI 偏见的影响。研究发现用户欢迎 AI 在他们的写作中提供无缝协助，并且 AI 在保持写作清晰简洁的同时帮助用户使其写作思路更加丰富，用户也享受与 AI 合作。尽管参与者在实验中没有经历到偏见，但他们仍然表达了明确的担忧，这应在未来的 AI 辅助写作工具中加以解决。

Jun, 2023

通过提供 LLM 生成的摘要、问题和建议，Textfocals 支持写作过程，鼓励用户反思和自主修订，以维护其写作的完全创作权。与 Textfocals 的一个初步用户研究表明，这种方法可能有助于用户发展不成熟的想法，迎合修辞听众，并澄清他们的写作。但研究也发现了与文档导航和范围界定、提示工程和上下文管理相关的交互设计挑战。我们的研究突出了由生成 AI 支持的写作支持界面的设计空间的广度。

Mar, 2024

本文提出了一个文本编辑器，使用自动文本摘要为用户提供不断更新的逐段摘要，以边缘注释的方式帮助用户规划、结构化和反思写作过程。通过两个用户研究，作者发现这个系统为用户提供了一个外部的视角来帮助他们修改段落的内容和范围，并且帮助用户快速了解文本的总体情况和开发一些集成自动摘要中得到的见解的策略。通过探究和强调设计 AI 工具以帮助写作的价值，这项工作突显了自然语言处理 (NLP) 能够超越直接的文本生成和纠正。

Aug, 2022

介绍了在文本生成任务中，引入了一种使用用户模拟器进行交互式训练，使用模仿学习方法训练的交互式模型，证明这种方法比非交互式模型更好

Mar, 2023

本文研究了使用 AI 技术辅助创作的自然语言生成（NLG）模型，并邀请了 13 位专业作家来尝试使用 Wordcraft，这个内置 AI 辅助撰写工具的文本编辑器。结果显示 NLG 工具在创作过程的脑暴、描写细节、建立故事世界和研究文本方面具有很大的潜力。但由于 NLG 技术在保留风格、语调和理解故事内容等方面存在困难，因此建立一个合适的作家个性化 NLG 辅助工具是非常有挑战性的。

Nov, 2022

本教程关注于文本生成，这是一类自然语言生成任务，它以一段文本作为输入，然后生成一篇按照某些特定标准（如可读性或语言风格）改进的修订版本，同时保留原版文本的大部分含义和长度。

Oct, 2023

通过分析人类作者观察自动生成文本的例子如何影响写作，本文探讨了一种句子填充任务，研究了人类和基于神经语言模型的自动化系统在填写任务中的表现，并发现人类作者在观察生成的例子时能够写出更能激发读者兴趣的故事情节，证明了用观察启发的方式可以通过自然语言处理模型增强人机协作写作。

Jul, 2021

通过研究 23 名香港中学学生的故事写作，我们发现 AI 生成的文本对提高学生写作质量有一定帮助，并可以帮助教育工作者设计更好的 AI 工具和教学活动。

Mar, 2023

将人工智能融入学术写作的框架、模型和方法，提高学术写作的质量和效率，减轻沟通负担，赋予作者权力，加速发现，推动科学多样性。

Oct, 2023

本文针对科学文献中 AI 生成的文本与人类编写的文本之间的差距进行了探讨，提出了一个通过语法、语义和语用来区分 AI 文本的框架，进而将提取到的特征用于分析两种不同类型的内容，发现 AI-generate 的科学文本在深度和总体质量方面还有待提高，并存在事实性问题等方面的差距，同时我们发现 AI-generate 的科学文本和人类编写的科学文本之间存在 “写作风格” 方面的差距，从而提出一些模型和分布无关的特征来用于其他领域的检测任务，这些研究结果有助于指导 AI 模型的优化，以产生高质量的文本，同时也有助于解决相关的伦理和安全问题。

Jan, 2023