使用语言模型写作是否会降低内容多样性？

大语言模型（LLMs）引发了借助模型辅助的协作写作热潮。由于不同用户采纳同一模型的建议，所产生的内容存在多样性下降的风险，可能限制公共话语中的多元视角。本工作中，我们通过受控实验衡量协作写作对多样性的影响，用户以三种设置撰写议论文——使用基础LLM（GPT3）、反馈微调的LLM（InstructGPT）以及无模型辅助写作。我们制定一组多样性指标，发现使用InstructGPT（而非GPT3）写作会导致统计显著的多样性降低。具体而言，它增加了不同作者写作间的相似性，并降低了整体词汇与内容多样性。我们进一步发现该效应主要归因于InstructGPT为协作写作文章贡献了较少多样的文字。相反，用户贡献的文本不受模型协作影响。这表明，近期通过使模型适配人类反馈而带来的生成质量提升，可能以内容更同质、更少多样为代价。