探究 AI 生成的文本在学生写作中的应用:AI 的帮助效果
该研究实验了人工智能通过语言生成实现的创意写作,参赛学生使用四个文本生成器的输出作为创意创作的一部分,并在反思问题的指导下评估了他们的写作表现,研究结果有助于更好地应用自然语言生成技术于教育教学。
Jun, 2022
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
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
调查了生成型人工智能在学术阅读中的学习效果,结果发现完全依赖人工智能的写作任务会导致准确性降低 25.1%,然而,人工智能辅助阅读会导致准确性下降 12%,而使用人工智能进行摘要编写则可以显著提高质量和输出。
Sep, 2023
我们的研究旨在探索传统和新的特征,以便 (1) 检测 AI 生成的文本和 (2) 由 AI 改写的文本。结果显示,新特征显著提高了许多分类器的性能。我们最好的基本文本改写检测系统在 F1 分数上超过了 GPTZero 的 183.8%。
Aug, 2023
通过对人类写作文本和基于大型语言模型的生成文本进行比较研究,该论文展示了在不同文体中对于人类文本和生成文本进行分类的机器学习模型的效果,同时指出在故事写作方面识别生成文本的困难性,为未来在人工智能文本识别方面提供了启示和研究数据集。
Jul, 2023
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