systemic functional linguistics
PulseAugur coverage of systemic functional linguistics — every cluster mentioning systemic functional linguistics across labs, papers, and developer communities, ranked by signal.
-
新研究评估大型语言模型模仿人类个性的能力
两篇新研究论文探讨了评估大型语言模型（LLMs）在多大程度上能够模拟人类个性的挑战。第一篇论文介绍了PRISM，一个以系统功能语言学为基础的框架，该框架将个性保真度分解为任务构建、人际立场和语言风格，以实现更准确和可解释的评估。第二篇论文以大量人类个性调查数据集为基准，对各种LLMs进行了基准测试，发现虽然一些本地模型未能与人类的反应保持一致，但前沿模型可以成功地模仿个性特征，这表明它们在视频游戏中创造更逼真非玩家角色的潜力。
-
生成式人工智能在学术反馈研究中充当元审稿人
一项发表在arXiv上的新研究探讨了在研究生在线课程中将生成式人工智能用作同行反馈的元审稿人。研究人员应用系统功能语言学和评价理论，分析了120篇人工智能生成的元评审。研究结果表明，生成式人工智能可以通过提供清晰的指导和保持支持性的语气，平衡赞扬和建设性批评，有效地模仿人类反馈。
-
研究论文探讨LLM在民主审议和包容性方面的应用
一篇新研究论文探讨了大型语言模型（LLM）在加强民主审议和赋能边缘化群体方面的潜力。该论文借鉴系统功能语言学，研究了LLM如何能够支撑论证并改善话语的可及性，同时也警惕夸大其能力。它确定了未来研究方向，以最大化AI的民主潜力，并嵌入针对语言不平等的伦理保障措施。
-
大规模研究表明LLM-教师协作提升K-12写作质量
一项新的研究论文探讨了一个涉及大型语言模型（LLM）、教师和学生的三方协作系统，用于K-12写作教育。该研究在两年内收集了来自120所学校超过10,000名学生的数据，发现该系统能有效提高写作质量。LLM充当生成工具以减轻教师工作量，而教师则作为教学把关人，确保反馈质量。研究还发现了一个天花板效应，即过度的LLM生成语言扩展会导致收益递减，这表明随着学生熟练度的提高，需要一个适应性协作模型。