请让它听起来像人类：用于AI到人类文本风格转换的编码器-解码器与仅解码器Transformer
计算与语言
2026-04-14 v1
摘要
AI生成的文本在学术和专业写作中已变得普遍，这促使了对检测方法的研究。而逆向过程——系统性地将AI生成的散文重写为真正的人类撰写风格——则研究较少。我们构建了一个包含25,140对AI输入文本和人类参考文本片段的平行语料库，识别出区分这两种语域的11个可测量风格标记，并微调了三个模型：BART-base、BART-large和采用QLoRA的Mistral-7B-Instruct。BART-large达到了最高的参考相似度——BERTScore F1为0.924，ROUGE-L为0.566，chrF++为55.92——而其参数量比Mistral-7B少17倍。我们表明，Mistral-7B更高的标记偏移分数反映的是过度偏移而非准确性，并论证偏移准确性是当前风格转换评估中一个有意义的盲点。
引用
@article{arxiv.2604.11687,
title = {Please Make it Sound like Human: Encoder-Decoder vs. Decoder-Only Transformers for AI-to-Human Text Style Transfer},
author = {Utsav Paneru},
journal= {arXiv preprint arXiv:2604.11687},
year = {2026}
}
备注
12 pages, 3 figures, 2 tables