异构LLM采纳与研究写作中的不同收敛路径
计算与语言
2025-04-21 v1 人工智能
综合经济学
经济学
摘要
大规模语言模型(LLM)如ChatGPT正在重塑内容创建和学术写作。这项研究探讨了AI辅助生成性修订对研究稿件的影响，聚焦异构采纳模式及其对写作收敛的影响。我们构建了一个包含627,000多篇arXiv学术论文的数据集，开发了一种新型分类框架，通过微调特定于提示和学科的大规模语言模型来检测ChatGPT修订文本的风格。我们的发现表明，LLM在不同学科、性别、母语状态和职业阶段的采纳存在显著差异，学术写作风格呈现快速演变。此外，LLM的使用提升了清晰度、简洁性和遵循正式写作规范的程度，改进幅度因修订类型而异。最后，我们的差分差异分析表明，尽管LLM推动了学术写作的收敛，但早期采纳者、男性研究者、非母语者和初学者展现出最显著的风格转变，使其写作风格更接近于已建立的研究者。
引用
@article{arxiv.2504.13629,
title = {Divergent LLM Adoption and Heterogeneous Convergence Paths in Research Writing},
author = {Cong William Lin and Wu Zhu},
journal= {arXiv preprint arXiv:2504.13629},
year = {2025}
}