面向记者的科学去行话化：基于 GPT-4 的试点研究
计算与语言
2024-10-17 v1 计算机与社会
人机交互
摘要
本研究对人机协互系统进行初始评估，该系统利用 GPT-4（大语言模型 LLM）和检索增强生成(RAG)技术，基于读者自报告的知识水平识别和定义科学摘要中的行话术语。该系统在识别行话方程实现了相当高的召回率，保留了读者行话识别之间的相对差异，表明个性化作为 LLM 支持复杂信息sense-making的用例是可行的。令人意外的是，仅使用摘要作为上下文生成定义，反而比使用来自文章全文的 RAG-based context更准确且定义质量更高。这些发现凸显了生成式 AI 为科学记者提供辅助的潜力，并可指导未来开发简化密集文档的工具。
引用
@article{arxiv.2410.12069,
title = {De-jargonizing Science for Journalists with GPT-4: A Pilot Study},
author = {Sachita Nishal and Eric Lee and Nicholas Diakopoulos},
journal= {arXiv preprint arXiv:2410.12069},
year = {2024}
}
备注
Accepted to Computation+Journalism Symposium 2024