改论文,有时候比写论文痛苦。
无论是导师“刷屏”的一个个建议,还是期刊给回来的审稿意见,都能折磨得人头发狂掉。
好消息是,现在AI终于可以帮你改论文了。
像是给论文引用的某个算法/观点加上原始参考文献:
又或是修改文中的一些事实性错误:
都只需要描述一句话(直接粘贴导师的修改意见),AI就能准确领会你的意图,并上手改动论文。
最关键的是,改动的地方AI还会给出解释,让你流利应对导师的“突击检查”:
这是Meta AI搞出来的最新协同语言模型PEER,要解决的就是AI会生成文章、却不会改文章的问题。
看到这里,一名在读博士生狂喜:“没写完的博士论文有着落了!”
还有网友表示:
那么,这只AI究竟是怎么学会“改文章”的?
此前AI会写却不会改论文,主要有三点原因:
①无法控制文章细节,搞不懂自己要改啥;②无法听懂人类的命令;③解释不了自己生成了什么。
为此,Meta AI的研究人员用4个编解码器组成PEER,每个编解码器干不同的活。
它们被分别命名为PEER-Edit(整体规划&编辑)、PEER-Undo(还原编辑步骤)、PEER-Explain(解释编辑目的)、PEER-Document(搜集素材)。
这几个编解码器并非独立工作,它们的作用是相辅相成的。
例如,PEER-Undo的出现,实际上就是为了加强PEER-Edit的编辑能力。
PEER-Edit是4个编解码器中的核心骨干,它会在输入一段待修改文本和参考素材后,决定如何对文本进行编辑,并给出编辑结果。
但如果直接用待修改文本和参考素材训练PEER-Edit,会发现它的编辑能力不稳定。
因此,需要用PEER-Undo来根据PEER-Edit的输出和素材,尽可能还原PEER-Edit编辑过的每个步骤,有点像是“帮对方捋顺编辑思路”。
这样一来,PEER-Edit就会意识到“原来我打算这样编辑”,并借助PEER-Undo生成的结果,有意识加强训练效果。
在PEER-Edit和PEER-Undo之外,PEER-Explain和PEER-Document的作用就相对好理解了。
其中,PEER-Explain负责将最终编辑的结果“变成人话”;PEER-Document则负责到网上收集修改用的素材(包括但不限于维基百科),给PEER-Edit“打零工”。
4个编解码器加在一起,就组成了一个既能与人沟通、了解修改意图,也能上手查找资料、编辑论文的协同语言模型PEER。
团队将它与其他模型的能力进行了比较。
具体来说,比较的模型包括一些基于T5(Text-to-Text Transfer Transformer)的模型和一些1750亿参数的解码器模型(GPT-3)等。
从图中可见,PEER系列的模型参数最高也就110亿左右,但在一些相关评估上都刷新了SOTA。
从可以实现的效果来看,基本上能直接通过交互,让AI写出一段论文并修改:
例如“删掉没信源的表述”、以及“把步骤列出来”,这只AI都能准确理解并实现:
不过对于这个模型,也有网友提出了一个设想:
论文地址:
https://arxiv.org/abs/2208.11663
参考链接:
https://twitter.com/timo_schick/status/1562818684049309698
“