你能让它听起来像你吗？后编辑 LLM 生成文本以匹配个人风格
计算与语言
2026-04-28 v1
摘要
尽管大型语言模型（LLMs）在写作任务中日益受到使用，但用户在个人风格重要时可能犹豫是否依赖 LLMs。后编辑 LLM 生成的草稿或翻译是常见的协作写作策略，但尚不清楚用户能否有效地将 LLM 生成的文本塑造为符合其个人风格。我们进行了一项预注册的在线研究（），让参与者后编辑 LLM 生成的草稿，以完成个人风格重要的写作任务。采用基于嵌入的风格相似性指标，我们发现后编辑显著提升了参与者未经帮助写作的风格相似性，并降低了与完全由 LLM 生成文本的相似性。然而，后编辑文本仍在风格上更接近 LLM 文本，而与参与者未经帮助控制文本的相似性更低；且后编辑文本的风格多样性低于未经帮助的人类文本。我们发现了感知的风格真实性与模型测度的风格相似性之间的差距，后编辑文本常被感知为代表参与者个人风格，尽管仍可检测到 LLM 的风格痕迹。
引用
@article{arxiv.2604.24444,
title = {Can You Make It Sound Like You? Post-Editing LLM-Generated Text for Personal Style},
author = {Connor Baumler and Calvin Bao and Huy Nghiem and Xinchen Yang and Marine Carpuat and Hal Daumé},
journal= {arXiv preprint arXiv:2604.24444},
year = {2026}
}
备注
ACL 2026