iclr 2024 reviewer评分 566

1 intro

• 大模型正在迅速改变人们创造内容的方式
  • 虽然基于LLM的写作助手有可能提高写作质量并增加作者的生产力，但它们也引入了算法单一文化
  • ——>论文旨在评估与LLM一起写作是否无意中降低了内容的多样性
• 论文设计了一个控制实验，要求用户在纽约时报学生意见系列的一个话题下写一篇论证性文章，例如“学校教育中学生学到的最重要的东西是什么？
  • 将参与者分为三组：
    • 一组控制组，参与者在没有模型帮助的情况下写文章；
    • 一组LLM处理组，参与者在基础语言模型（GPT3）的帮助下写文章；
    • 一组反馈调优LLM处理组，参与者在经过人类反馈微调的语言模型（InstructGPT）的帮助下写文章。
  • 论文雇佣了38名写手
    • 对于每组，论文在10个话题上收集了100篇文章
    • 然后，论文开发了一组指标并测量LLM对内容多样性的影响，包括个体层面和集体层面：
      • 同质化：使用LLM写作的用户彼此写得是否更相似？
        • 使用InstructGPT的组在同质化程度上高于控制组和GPT3组
        • 通过将模型贡献的文本与每篇文章的总结要点匹配，我们发现InstructGPT贡献的要点导致了同质化增加
      • 多样性：与LLM一起写作是否降低了一组用户产生的内容的多样性？
        • 与InstructGPT一起写的文章集合显示出较低的词汇多样性，并且表达的关键点的多样性也降低

2 数据收集

2.1 任务设置

• 用户将获得一个诸如“学校教育中学生学到的最重要的东西是什么？”的主题，并被要求用大约300字表达他们的观点
• 用户可以选择接受并编辑其中一个LLM提出的建议，或拒绝所有建议并继续他们的写作过程。
• 要求用户每篇文章至少请求5次建议，但不要求他们必须接受这些建议

3 用户如何与模型互动？

• 用户平均每篇文章查询模型约9次，并接受其中约70%的建议
• 由于用户可能在接受建议后进一步编辑这些建议，论文进一步计算了这些接受的建议是否保留在最终的文章中（model-written percentage）

但是，LLM的贡献是在贡献关键论点还是仅仅支持点的阐述呢？

——>论文过提示 gpt-3.5-turbo 将每篇文章总结为一个关键点列表，然后估计由模型和用户编写的关键点的比例

——>差不多40%的关键点是LLM提供的

4 使用LLM写作是否导致了更相似的文章？

• 使用InstructGPT写作产生了更相似的内容
• 使用GPT3写作并未增加同质化

5 使用LLM写作会降低内容的整体多样性吗？

• 使用InstructGPT写作降低了词汇多样性
• 使用InstructGPT写作降低了关键点多样性。
• InstructGPT组的多样性低于Solo和GPT3组
• 使用InstructGPT写作的文章更频繁地重复高阶n-grams

6 为什么使用 InstructGPT 写作会减少多样性？

• InstructGPT 生成的文本比 GPT3 的多样性少
  • 与 GPT3 相比，InstructGPT 生成的文本多样性更低，这一点在先前的工作中也有观察到。
    • GPT4 的技术报告发现反馈调优的模型校准度更低
    • Bai 等人发现微调导致输出分布的熵减少

• 模型写作和用户写作的多样性直接检查
  • ​​​​​​​无论用户是否与模型一起写作，以及他们使用哪个模型，用户写作文本的5-gram分布保持不变。
  • ——>用户的短语使用模式不受模型帮助的影响
• InstructGPT 增加了关键点之间的相似性，而用户写作的文本未受影响