Effidit：您的 AI 写作助手
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
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
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
本研究通过提出一种交互式文本生成设置，在其中用户通过向系统发出编辑现有文本的命令与系统进行交互，来解决神经文本生成中一次生成的局限性，并介绍了一种新的文本编辑任务。通过使用 Wikipedia 中的单句编辑构成了一个名为 WikiDocEdits 的数据集，使用基于 transformer 的模型在其中进行训练以提高其自动产生的成果和用户评估结果。在此基础上，本研究分别从经验和定性分析方面展示了该模型的性能表现。
Oct, 2020
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
提出了一个计算机辅助文本编辑的框架，通过神经序列到序列建模和引入一个以输入句子和更改标记为输入的神经网络来解决翻译后编辑和改写问题，并通过用户研究评估了该模型的效果。
Nov, 2017
本文提出 EditEval：一种以指令为基础的评测套件，利用高质量的现有和新数据集自动评估编辑能力，证明了 InstructGPT 和 PEER 的表现最佳，而大多数基线都低于监督学习 SOTA，本文通过这个基准的发布和公开可用的排行榜挑战，希望能够解锁未来发展能够进行迭代和更可控编辑的模型的研究。
Sep, 2022
EffiVED 是一种基于扩散的高效模型，支持指导视频编辑；采用图像编辑数据集和开放世界视频转化为高质量数据集进行训练；实验证明 EffiVED 生成高质量编辑视频且执行速度快，并且数据收集方法显著改善编辑性能，有望解决视频编辑数据的稀缺问题。
Mar, 2024
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