节奏过于均匀
句长集中在一个窄区间,很少出现短句与长句的交替。人写的文字会有停顿,也会有一口气说完的长句。
我们把“读起来像机器”拆成三个可以度量的现象。引擎要改的不是用词的花样,而是这三件事。
句长集中在一个窄区间,很少出现短句与长句的交替。人写的文字会有停顿,也会有一口气说完的长句。
少数套话和固定连接词反复出现,句子的信息密度被稀释。改写的目标是去掉这些词,而不是换一批新的套话。
每段开头总结、句式彼此平行、少有插入语和停顿。工整不是错,但篇篇如此,就成了可被识别的模式。
一句话从进入引擎到回到文档,经过五个环节。LangChain 把它们串成一条链,GPT 负责生成候选,分析与自检是我们自己的规则和模型,每一步都能单独检验。
流程示意:1 分析句子的节奏、用词与结构;2 规划目标特征与约束;3 由 GPT 生成多个候选;4 逐项自检,包括语义相似度、占位符完整、语言一致和特征达标;不达标的候选带着原因回到第 3 步重试,最多两轮;5 通过后以修订形式回到文档。
句长与节奏、模板词、连接词、段落结构,得到这句话的“特征表”。
定下目标特征和不可逾越的约束:意思不变、占位符原样、语言一致、强度与风格。
由 GPT 按规划生成多个候选,而不是一次只要一个答案。
语义相似度、占位符完整、语言一致、特征达标,四项逐一检查。
不达标:带着未通过的原因回到第 3 步,最多两轮;仍不达标则保留原句并提示。
通过的候选以修订形式出现在原句旁,接受与否仍由你决定。
一个候选不合格就重来,既慢又容易在同一个地方反复出错。几个候选一起自检,再把未通过的原因写进下一轮提示词,收敛得更快。
语义相似度、占位符是否完整、语言是否一致,这些都有确定的算法可以算,不需要再问一次模型。只有“特征是否达标”用到我们训练的小模型。
内测版目前使用第三方改写服务,这条链在后台用同样的句子做对照实验。等指标稳定,会以“实验引擎”选项开放给内测用户切换。
四个环节循环进行。每一轮改动都要在同一批语料上重新跑一遍,防止某个指标好了、另一个退步。
按学科与语言配对的人类写作与机器生成文本,覆盖综述、报告、论文等常见文体,中英文各自成组。
句长方差、词汇多样性、模板词密度、连接词分布、段落结构,形成一张可以逐项比较的“人类化特征表”。
只改表达,不改事实、数据和结论;占位符与引用原样保留;输出语言与原句一致;强度与风格按用户选择。
人工盲评看通顺与达意,多家检测器交叉对照看特征变化;每次改动都跑回归,结果记录在案。
目标是文字本身的节奏与用词,而不是绕过某个具体平台。
检测平台各有算法且随时在变,我们公布的只是方法与自己的评估方式。
引用和受保护内容在进入引擎前就被替换为占位符,引擎看不到也改不了。
每个候选都要过四道门,前三道是确定的算法,第四道是我们训练的特征模型。任何一道不过,候选就不会出现在你的文档里。
用句向量比较原句与候选,低于阈值视为改变了意思。阈值按强度档位不同,重度允许更大的改动。
原句里的每个占位符必须在候选中原样出现、不多不少。缺失或多出即判不合格。
按字符系统判断候选语言,与原句不一致(例如中文句子返回了其他语言)直接丢弃。
对照第 1 步得到的特征表,看句长、模板词、连接词是否朝规划的方向变化。没有达标就带着原因回到生成环节。
评估卡示意:原句与候选并列,依次显示语义相似度 0.93 通过、占位符 2 / 2 保留、语言中文一致、句长方差上升与模板词减少,最后给出“通过,进入修订”的结论。
不写日期,只写阶段。每个阶段的进展会更新到这一页。
内测版使用第三方改写服务。实验引擎在后台对同一批句子做对照,记录四项评估和盲评结果。
指标稳定后,在内测中加入可切换的实验引擎,同一句话可以用两种引擎各改一次、并排比较。
把个人文风样本的特征作为规划环节的目标之一,让改写不只是更像人写的,还更像你写的。