从语法到AI率：用ChatGPT润色论文的3个误区

我是娜姐 @迪娜学姐 ，一个SCI医学期刊编辑，探索用AI工具提效论文写作和发表。

          

关于用ChatGPT润色论文的注意事项，我之前写过一篇：

用ChatGPT翻译润色被坑了？这些技巧要注意！

在学员使用过程中，我又发现一些认知和使用方法上的误区，总结如下：

          

误区1：ChatGPT润色会不会出现语法错误？

如果还在纠结语法错误，那说明你还没懂大模型的运作机制。

1700亿的优质文本数据训练再加上训练后的RLHF微调（人类反馈强化学习），语法正确对于ChatGPT来说是最基本的，它还上知天文下知地理。知识储备也比一般人丰富。

就像咱们在中国出身长大的人，你不用教ta中文的主谓宾，ta说中文也不会出现语法错误。ChatGPT经过人类文本预训练和对齐微调，语法准确性也是同理。

          

误区2: ChatGPT润色完AI率会不会太高，被编辑看出来?

ChatGPT出现以后，论文除了重复率又有了AI率。AI检测率通常根据一些特定特征来判断，比如词汇分布、句子结构的单一性、连贯性和内容的可预测性。

与人类写作相比，AI生成的文本可能会显得呆板、平淡，缺少创造力。在学术论文中，常见的高频词汇包括“delve into”“holistic”“afflict”“advocate”等。    

          

但是涉及到论文润色、中译英，基础文本是你自己写的文章，并不是AI创作的，AI只是帮你纠正语法、理顺逻辑、使之更符合学术规范。 

所以AI率高，根本原因是提示语不对，对风格和用词的定义规范不够细致精准，或改动过大。  如果提示语精准，它就和人工润色的效果是一样的。

因为AI的语料库来自于人类作品，原理上它是可以做到和人的输出风格一样，Science的主编也曾公开说过AI率不准确也毫无意义。

          

误区3: ChatGPT润色完不放心，还是更相信传统的润色工具Grammarly, DeepL, Quillbot

ChatGPT 为代表的大模型（LLM）和传统的润色工具Grammarly, Quillbot相比，它们的底层技术原理是不一样的：    

大模型LLM基于 Transformer 架构，以及庞大的参数量和数据集训练。Grammarly, Quillbot则是基于传统的机器学习和规则引擎。

（大模型的自注意力机制让它能够超越句子，对更长文本的上下文作为整体来关联理解，从而提升文本的逻辑性和连贯性。）
         

Grammarly等传统工具可以用来纠正语法错误，同义词替换等。相比之下，大模型LLM用于润色，有如下优势：

·语义理解：ChatGPT等大模型可以更好地理解复杂学术句式，尤其在处理跨句、跨段的长文本时，可以通过语境预测出更加符合原意的表达。比如帮你的摘要部分加一个结尾，陈述该项研究的意义。之前的文章中我还举过一个上下文关联的出色例子：

摘要中我描述过“蛋白的定量分析”，然后，ChatGPT在Methods部分的Western Blot Analysis（蛋白印记分析）部分给我补充了关于该部分实验的描述“The protein bands were quantified with ImageJ software”。    

·连贯性和逻辑性：大模型生成的润色文本通常在连贯性和逻辑性上表现更好，能适应学术论文的特殊需求。

  比如主语是“The protein”，放到更长的上下文，ChatGPT也许会帮你改成which/it/that等，让文章更连贯，整体性更好。

·专业术语：大模型可以结合上下文更精确地调整和应用学术术语，对学术类型文本更加友好。比如我之前举过的GPT润色的惊艳时刻：

原文：Following antigen clearance and resolution of inflammation, most activated T cells die.          

GPT把cells die改成了cells undergo programmed cell death（细胞程序性死亡）。上下文并没有出现过一次“细胞程序性死亡”，但是GPT又改的非常精准。可以说，95分的水平，润色公司也不一定能改成这样了。要想达到这个水平，一是要能理解上下文，二是要有领域内的背景知识。

 所以，如果你用ChatGPT润色完，再用Grammarly改一遍，是弄巧成拙了。