使用LLM重混器的自动抄袭 [D]
摘要
讨论了使用LLM对现有论文进行重混以规避抄袭检测的新兴做法，并警告学术伦理的崩塌。
一位作者把自己喜欢的若干篇论文放在一起，尤其会把arXiv上的.tex文件加进去，然后指示LLM寻找论文中的漏洞、被注释掉的内容，并对其重混，同时避免句法重叠。结果就是一篇能通过arXiv句法重叠检查的论文，投稿时还可以声称是新作。这种事已经发生过很多次了，我们现在正在反对LLM辅助的抄袭者。欢迎来到自动化学术伦理崩塌的新时代。
相似文章
超越模仿审稿人：评估用于预提交同行评审的LLMs
本文评估了LLM系统在预提交同行评审中的应用，表明广泛的生成能够恢复大多数历史评审问题，但将其压缩成简短报告仍具挑战性，这对AI辅助研究反馈具有启示意义。
区分AI生成与人类撰写：评估LLM检测LLM生成内容的能力
本文研究了在教育场景中，LLMs在多大程度上能够检测自身生成的内容，发现检测准确率因任务类型而异，且对于简答题不可靠。
使用大型语言模型探查风格挪用：欧盟法律下版权侵权评估框架
本文介绍了PSALM，一个LLM作为法官的框架，通过评估超越逐字记忆的风格和叙事挪用，来评估欧盟法律下的版权侵权，发现微调会引发系统性的风格相似性，且现有防护措施不足。
如何使用LLM写作
本文介绍了Thomas Ptacek提出的规则，即使用LLMs作为文案编辑时，永远不要采用LLM建议的短语，以维护原创性和写作纪律。
利用熵提升大语言模型的创意写作能力
本文介绍了一种通过修改采样过程利用熵来改进大语言模型创意写作的技术，旨在减少生成文本中常见的“大语言模型风格”。