点击上方“阿昆的科研日常”，关注我的公众号。
添加微信：akunscience28 备注：AI
免费获取《35个ChatGPT写作到投稿提示词》
之前的文章中，我演示过ChatGPT用于润色的效果（ChatGPT润色实测评估）。
很多同学用过之后表示好用，也陆续完成了自己的文章：
然而，在学员进行润色投稿的过程中，我们又发现一些认知和使用方法上的误区。
现总结如下：
如果还在纠结语法错误，那说明你还没懂大模型的运作机制。
1700亿的优质文本数据训练再加上训练后的RLHF微调（人类反馈强化学习），语法正确对于ChatGPT来说是最基本的。
就像咱们在中国出身长大的人，你不用教ta中文的主谓宾，ta说中文也不会出现语法错误。ChatGPT经过人类文本预训练，语法准确性也是同理。
ChatGPT出现以后，文章除了重复率又有了AI率。
很多同学担心ChatGPT润色会导致高AI率。
AI检测率通常根据一些特定特征来判断，比如词汇分布、句子结构的单一性、连贯性和内容的可预测性。
与人类写作相比，AI生成的文本可能会显得呆板、平淡，缺少创造力。
但是涉及到润色、中译英，基础文本是你自己写的文章，并不是AI创作的。
AI只是帮你纠正语法、理顺逻辑、使之更符合学术规范。
所以，AI率高，根本原因是提示语不对，对风格和用词的定义规范不够细致精准，或者改动过大。
另一方面，Science的主编曾公开说过，AI率不准确，也毫无意义。
有的同学用ChatGPT润色完还不放心，选择用传统的润色工具，如Grammarly, DeepL, Quillbot等再润色一遍。
ChatGPT为代表的大模型（LLM）和传统的润色工具Grammarly等相比，它们的底层技术原理是不一样的：
大模型LLM基于 Transformer 架构，以及庞大的参数量和数据集训练；
Grammarly等则是基于传统的机器学习和规则引擎。
（大模型的自注意力机制让它能够超越句子，对更长文本的上下文作为整体来关联理解，从而提升文本的逻辑性和连贯性。）
相比之下，ChatGPT为代表的大模型LLM用于润色，有如下优势：
语义理解：ChatGPT可以更好地理解复杂学术句式，尤其在处理跨句、跨段的长文本时，可以通过语境预测出更加符合原意的表达。比如帮你的摘要部分加一个结尾，陈述该项研究的意义。之前的文章中我还举过一个例子：
摘要中我描述过“蛋白的定量分析”，ChatGPT在Methods部分的Western Blot Analysis（蛋白印记分析）部分给我补充了该部分实验“The protein bands were quantified with ImageJ software”。
连贯性和逻辑性：大模型生成的润色文本通常在连贯性和逻辑性上表现更好，能适应学术文章的特殊需求。比如主语是“The protein”，放到更长的上下文，ChatGPT也许会帮你改成which/it/that等，让文章更连贯，整体性更好。
专业术语：大模型可以结合上下文更精确地调整和应用学术术语，对学术类型文本更加友好。比如我之前举过的GPT润色的惊艳时刻：
原文：Following antigen clearance and resolution of inflammation, most activated T cells die.
ChatGPT润色后：Following the clearance of antigens and the resolution of inflammation, most activated T cellsundergo programmed cell death.
GPT把cells die改成了cells undergo programmed cell death（细胞程序性死亡）。上下文并没有出现过一次“细胞程序性死亡”，但是GPT又改的非常精准。可以说，95分的水平，润色公司也不一定能改成这样。要想达到这个水平，一是要能理解上下文，二是要有领域内的背景知识。
以上。
课程购买方式
公众号后台回复关键字 6400，查看加入方式
如果你觉得我的分享对你有帮助的话，欢迎大家在这里点赞、在看、分享。当然，也欢迎大家在这里打赏。互动越多，更新越快哦~
声明：本公众号的所有原创内容，在未经允许的情况下，不得用于任何商业用途，违者必究。
