このサイトのエッセイ ライターに、小学校で宿題を禁止する必要があるかという質問をして、結果を 2 回読んだ。 構造は健全でした。タイトル、序文の最後に論文、3 つの本文の各段落がそれぞれ 1 つの点、結論を示しています。 統計も引用も偽の雑誌記事も発明しませんでした。 それから私は最後にたどり着きました。そこには、アメリカ心理学会とハーバードが存在しないタイトルの横にリストする参照セクションが追加され、それぞれが丁寧に「仮説の引用 - 本物の記事を想像して」と丁寧にマークされました。 それが 1 ページの問題の形です。その物は、下部にトラップが付いた有能な足場であり、トラップはすでに宿題が終わったように見えます。
tl;dr: 小さな言語モデルは、よく構成された最初のドラフトを書き、使用可能な証拠はありません。 2 回の実行で測定 これです: 単語数は、目標の 8% 以内に上陸し、統計や引用はゼロにしましたが、虚位のタイトル以外の実際の機関を名前で指定した 4 つのプレースホルダーの引用。 ドラフトをスケルトンに使用し、コンテンツのすべての文を自分の文に置き換え、組織のポリシーが割り当てに近づく前に確認してください。 また、AI 検出器は、どちらの方向でも、これについて信頼できるチェックではないことも知っておいてください。
それは本当に何がうまくいきますか？
構造、それは何でもない。
ほとんどの人にとって最初のドラフトの難しい部分は、文章ではなく、形です。論文がどこに行くのか、体が必要とする点数、段落の目的です。 大量の説明的な散文について訓練を受けたモデルは、その形を暗記しています。 私が作成した両方のドラフトで、論文を序文の最後の文として置き、各段落に 1 つの主張を与え、新しい資料を導入せずに締めくくりました。 これは、最初の試行で正しく実行される、すべての作曲クラスで教えられる標準です。
長さのコントロールは、思ったよりも優れていました。 500 語を要求すると、2 回の実行で 538 と 526 が生成されました。 単語数へのパディングは、生徒が何時間も失うものであり、適切なサイズのドラフトを見ると、3 点のスペースがどれだけかかるかがわかるため、これは重要です。
それが行っていることは、エッセイ型のテキストに対するパターンの完成です。 それは、エッセイの慣習的な部分にうまく対応し、あなたのものと思われる部分が正確に苦手になります。
それはソースを構成していますか？
完全ではありません。区別は、はいまたはいいえよりも重要です。
このツールの背後にあるプロンプトは、引用、統計、またはソースを発明せず、代わりに引用すべきソースの種類を説明するようモデルに指示します。 両方の実行で測定された、それは、パーセンテージなし、「研究ショー」、捏造された DOI、発明された著者名の妥当な年のないもの。
代わりに表示されたのは、このフォームの参照セクションでした。
2. ... Research Publication, [Year]. (Hypothetical citation - imagine a real article)
3. American Psychological Association, "Homework and Academic Achievement", [Year].
(Hypothetical Citation - imagine a real report)
よく読んで、それは正直です。 ラベル付けされています。 本物を見つけるように指示します。 しかし、組織が公開したことのないタイトルの隣にある実際の組織の名前を付け、完成した参考文献の正確な視覚的形式である見出しの下に番号付きのリストに載せています。 午前 1 時に疲れている生徒が、括弧内の単語を削除して送信します。 これは、仮想的な故障モードではなく、明らかなモードであり、ツール自身の注意がそれを作成するため、名前を付ける価値があります。
次のルール: AI ドラフトでの引用に似たものはすべて、何を見つけて見つけるべきかについてのメモとして扱います。 決して参考にしないでください。
小型モデルが幻覚を起こすのはなぜですか?
何も取得していないからです。 言語モデルは継続の可能性が高いと予測し、もっともらしい引用は、証拠が必要な文の継続である可能性があります。 ルックアップもデータベースも、APA がそのレポートを公開したかどうかをモデルがチェックする瞬間はありません。
サイズが悪化します。 このツールは、CPU のみのサーバーに収まり、無料で提供できるため、10 億パラメータ モデルである Gemma 3 1B を実行します。 小型モデルは、記憶に残るディテールが少なく、パターンに頼りやすいため、大規模な商用モデルよりも自信を持って発明しやすいです。 構造的能力は小さなサイズに存続しますが、事実に基づく信頼性はありません。
これが、最近のことを何も知らない理由でもあります。 ブラウジングのステップがないため、トレーニング データが作成された後に発生したものは、ドラフトに関する限り存在しません。
教師の AI 検出器はそれを捕まえることができますか?
それは間違った質問であり、正直な答えはどちらの方向にも不快です。検出器は、AI で書かれていない仕事をキャッチし、仕事を逃したのです。
検出機能を果たすあらゆる商業的理由があった OpenAI は、 2023 年 7 月 20 日に独自の AI テキスト分類器を撤回しました 精度が低いためです。 それ以前に公開された評価: 分類子は正しく識別されています 26% AI が作成したテキストのフラグを立てている 9% AI による人間の書き方。 探しているものの 4 分の 1 を捕まえ、無実の作家の 10 分の 1 近くを誤って非難するツールはツールではなく、そのメーカーはそれを引退することでそう言っています。
誤検知も均等に分布していません。 スタンフォード大学の Liang と同僚は、ネイティブおよびネイティブ以外の英語話者による書き込みで 7 つの検出器をテストし、それらを発見しました。 AI 生成として一貫して非ネイティブ ライティングを誤って分類した、公開されています パターン 2023年。 メカニズムは当惑です。検出器は、単語の選択が予測可能なテキストにフラグを立て、第二言語で働く有能なライターがまさにそれを生み出します。 著者自身の推奨事項は、これらの検出器は、評価または教育環境で使用しないでください。
ですから、あなたを立証するために検出器に頼らないでください。また、検出されたとは思わないでください。 AI の仕事を許可されていないところに提出する理由もありません。 そうしない理由は、許可されていないためです。また、あなたの作品に印をつけている人は、通常、他の手段で知ることができます。
このようなドラフトを正直に使用する方法は何ですか?
精査を生き延びるための 3 つの用途とそうでないものの 3 つ。
議論する形として。 ドラフトを生成し、その 3 つの点を読み、どの点に同意しないかを確認します。 意見の相違はあなたのエッセイです。 ある位置に反応する方が、空白のページからの位置を発明するよりもはるかに簡単であるため、これが最も役立つことです。
自分の構造のチェックとして。 最初にエッセイを書き、次にエッセイを作成してスケルトンを比較します。 モデルが見逃したポイントを見つけた場合は、適切に調査してください。
語彙として、サンプルを登録します。 学業レベルの設定によって、散文の形式が変わります。 同じ議論の高校と大学院のバージョンの違いを見ると、抽象的に説明するのが難しいレジスターについての何かがわかります。
提出するものではありません。 多くの機関は AI による作業を禁止または制限しており、ポリシーは大学だけでなく、コースによって異なります。 割り当てでこれを使用する前に、自分のものを確認してください。 許可されている場合、開示は通常、許可の一部です。
ドラフトは機械書として読み取られますか?
はい、そして、それは、目に見える方法で、見つけやすい方法で、かなりそうです。
このサイトが独自の文章に適用されるのと同じチェックで両方の下書きを実行しました。 出力は、それぞれ約 530 語にわたって、5 つのエンダッシュを記録し、マークが散文を生成した単語のリストから、「フォスター」を 3 回、「全体的」および「重要」に加えました。 どれも間違った英語ではありません。 人間がよりわかりやすいものを選ぶときに、モデルが到達する言葉です。 励ます というより 里親、 まるまる というより 総合的な、 重要 というより クレイジー。
もう 1 つの指示は構造的です。 すべての段落はほぼ同じ長さです。 すべてのリストは同じ形状を使用しています。 結論は、言葉を入れ替えてイントロダクションを再表明します。 週に 40 のエッセイを読むマーカーは、検出器に到達するずっと前にこのパターンに気づきます。これが、検出器の問題が的外れにある本当の理由です。
ドラフトを自分の声に書き直す場合、最初に攻撃するものです。段落の長さを変更し、ダッシュを切り取り、抽象名詞を具体的な名詞に置き換えて、結論にイントロダクションではなかったことを言わせます。
なぜそんなに時間がかかるのですか？
GPU ではなく共有 CPU で動作するため、その取引が無料であるためです。
ライブ サイトで測定したところ、500 語のドラフトが必要でした 170秒 リクエストから最後の言葉まで。 それが最短のオプションです。 1,500 語のエッセイは比例して時間がかかります。 テキストは、書かれているとおりにストリームされるため、残りが到着する間にオープニングを読むことができるため、待ち時間が数字よりも目立たなくなります。
代替設計は商用 API で、数秒で応答し、リクエストごとに費用がかかり、トピックを保持する可能性のあるサード パーティにトピックを送信します。 これは、プロンプトを構築し、モデルを実行し、テキストを返し、何も保持しないサーバーに、あなたのトピックを HTTPS 経由で送信します。トピックとドラフトを使用して、返信を書き、破棄し、ログにしておらず、トレーニングに使用されず、AI 企業に渡されません。 通常は敏感ではないエッセイのトピック。 個人的な声明の草案については、それが重要です。
何かを提出する前に何を確認する必要がありますか?
最もよく引く順番の短いリスト。
- あなたの機関の方針、何よりも前に。 コースレベルのルールは、多くの場合、大学レベルのルールとは異なります。
- すべての事実に基づく主張、あなたが開いた本当の情報源に対して。 草案は統計を発明したわけではありませんが、その背後に証拠がないことを確信して物事を主張したでしょう。
- すべての引用、これは実際にはそれらすべてを置き換えることを意味します。
- 声、上記の単語リストが保持されます。
- 議論、最後。 モデルの 3 つのポイントを調査した後もすべて同意する場合は、自分のエッセイではなく、モデルのエッセイを書きました。
書き換え自体のために、 言い換えツール 文言を変更しますが、実質は変更しません。上記のいずれも修正せず、下書きを実行します。 テキスト ヒューナイザー 思考ではなく、語りに対処します。 どちらも、何かを言うことに代わるものではありません。
単語数とフォーマットはどうですか?
どちらも、確率論的ではなく、特定のツールによってより適切に処理されます。
500 語を要求されたモデルは、約 500 語を生成します。これは、「最大 500 語」と書かれるまでは問題なく、ドラフトは 538 に達します。 最後のテキストを ワードカウンター 数字を推定するのではなく、数を知っています。 同じことが読解レベルと文章の長さにも当てはまります。ほとんどのマーカーは、彼らが認めている以上に気にかけています。
フォーマットは別の価値があります。 ドラフトは、マークダウン スタイルの見出しが付いたプレーン テキストとして届きます。これは、編集には便利で、ほとんどのコースでの提出には適していません。 6 つのリビジョンでフォーマットに対抗するのではなく、単語の変更が止まったときに、最後に 1 回変換します。
7 つのエッセイの種類は何かを変えますか?
学業レベルよりも多く、私は驚きました。
このツールは、議論的で、説得力のある、説明的、物語的、説明的、比較対照、原因と結果を提供します。 これらは、同じ下書きの化粧品のラベルではありません。本文の段落が行っている仕事を変えます。 議論の草案は、ある立場を取り、それを暗示的な異議に対して弁護します。 説明は、どちらか一方を取らずに説明するため、段落は主張ではなくカテゴリになります。 比較対照は、ポイントごとまたはブロック構造を強制的に強制する 2 つの主題の周りのすべてを再編成し、モデルが 1 つを選択して保持します。
学業レベルの設定は、より少ない効果があります。 語彙とヘッジの表示量を調整するため、大学院版が「これを示している」と、「証拠は証拠は示唆する」と述べています。 基本的な引数は、通常、同じ 3 つの点です。 卒業生の環境が大学院レベルの思考を生み出すことを望んでいたかどうかは、それは知っておく価値があります。それは、同じ理由で大学院レベルの登録簿を作成します。
実際の結果は、タイプを慎重に選択し、カジュアルにレベルを選択することです。 説明が必要なときに説得力のあるドラフトは構造的に間違ったエッセイであり、学部生が必要なときに高校のドラフトは 20 分のリワードでした。
大型の商用モデルの方が適していますか?
執筆中、そうです。 問題を抱えていることについては、明らかにではありません。
大型モデルはより流暢に書き込め、より長い議論をまとめ、上記のプレースホルダ引用パターンを生成する可能性ははるかに低いです。 唯一の基準が散文品質である場合、それは勝ち、それに近いものではありません。
3 つのことは解決しない。 まだルックアップ ステップがないため、自信を持って発明します。失敗はよりまれであり、それによって捕まえにくくなります。これは、より安全です。 構造的情報は、モデル サイズではなくトレーニング分布から得られるため、依然として構造的な情報を生成します。 通常、ほとんどの商用アシスタントはデフォルトで会話を保持し、一部のユーザーは、ドキュメントが個人的なステートメントまたは未公開の論文の章である場合に別の提案である場合を除き、トレーニングに使用します。
それが、このツールが意図的に行う取引です。何もないサーバー上で実行される、より小型で流暢さの低いモデルです。無料で提供されます。 ストックエッセイの質問には、最もよく書くものを使用してください。 公開フォーラムに貼り付けない場合は、保持に関する質問が最初に尋ねられます。 同じ理由が通ります ここにすべてを書く方法では、このページに余裕があるよりも詳細がカタログ化されています。
