通过记录一组科学写作工作坊中 60 多位初级科研人员的写作过程并从中发现了创意转换和创意检验两个非线性过程，我们揭示了写作过程的复杂性，并提出了新的度量，为更具创造力和影响力的写作过程提供了支持。

Feb, 2023

本文提供了一个完整的计算框架，对科学写作中的文本修订进行了研究，通过构建一个新的带有金标准句子对齐的带注释语料库来揭示了科研人员修订论文的常见策略，并利用自动方法在文档、句子和单词级别上提取修订内容。

Oct, 2022

通过引入 Writing Path 框架，本研究提出了一种利用明确的大纲来指导大型语言模型生成目标导向、高质量写作的方法。在使用 GPT-3.5-turbo、GPT-4 和 HyperCLOVA X 进行评估时，该方法显著提高了文本质量，进而提升了大型语言模型满足用户多样化写作需求的能力。

Apr, 2024

本文提出为了解决大型语言模型作为写作助手的流畅性、可靠性、生成内容的所有权和模型性能的可预测性等问题，采用诺曼的七个行动阶段作为智能写作助手交互设计的框架，同时举例软件教程创作，阐述该框架在写作任务中的适用性，讨论了该框架作为综合研究的工具和支持行动阶段的工具，最后简要概述了人类 - 大型语言模型交互研究的潜力。

Apr, 2023

通过实证用户研究 (n=30)，我们调查了现代大型语言模型 (LLMs) 在协助专业作家方面的效用，发现作家在规划、翻译和审阅等认知活动中都寻求 LLMs 的帮助，尤其在翻译和审阅方面 LLMs 更为有帮助，同时我们的研究结果也强调了利用 LLMs 进行创意写作辅助的未来研究方向。

Sep, 2023

这项研究描述了 IteraTeR：第一个大规模、多领域、编辑意图注释的迭代修订文本语料库，包括了新框架和注释后的编辑意图，提高了自动生成模型的评价，从而更好地理解文本修订过程，使得编辑意图和写作质量之间可以建立重要联系，并促进迭代修订文本的计算模型的多样性语料库的创建。

Mar, 2022

本文提出了一种样式感知神经模型，以从三个样式水平对文档信息进行编码，并在作者归属领域进行评估，实验结果表明，相对于文献中的基线方法，从所有三个样式水平编码文档信息具有显著的优势，实验数据来源于四个基准数据集。

Sep, 2019

通过实证分析大型语言模型（LLMs）的写作特征、对比专有和开源模型的异同、并探索通过语言的词汇、句法和结构方面的风格特征整合实现对 AI 生成文本的追溯，为神经网络作者归属提供经验性洞见，为应对 AI 生成的错误信息的威胁铺平道路。

Aug, 2023

通过采用 Flower 和 Hayes 的认知过程理论，我们提出了 CoCo Matrix，这是一个基于熵和信息增益的二维分类法，用以描述新的人工智能写作系统与人类合作写作的模型。我们将三十四个已发布的系统位于四个象限中，发现低熵高信息增益系统是未被充分探索但具有潜在发展方向的，可以在写作任务中充分发挥代理人的发散规划和人类的聚焦翻译。CoCo Matrix 不仅对不同的写作系统进行分类，还加深了我们对人工智能写作中认知过程的理解。通过分析写作过程中的微小变化，CoCo Matrix 可以作为写作者心智模型的代理，使写作者能够反思自己的贡献。信息增益和熵这两个测量指标提供了洞见，不受所使用的写作系统的影响。

May, 2024

利用自动检测器识别大型语言模型辅助写作的研究，发现目前的四种先进的自动生成文本检测器性能不佳，提出专门针对大型语言模型辅助写作检测的专用检测器的发展是必要的。这样的检测器可以在科学交流中促进对大型语言模型参与的真实认可，并解决目前对认可实践的挑战。

Jan, 2024